2021-02-14

1.创建一个新项目:

scrapy startproject myproject

2.在新项目中创建一个新的spider文件:

scrapy genspider mydomain mydomain.com
mydomain为spider文件名,mydomain.com为爬取网站域名

3.全局命令:

startproject
genspider
settings
runspider
shell
fetch
view
version

4.只在项目中使用的命令(局部命令):

crawl
check
list
edit
parse
bench

5.运行spider文件:

scrapy crawl

6.检查spider文件有无语法错误:

scrapy check

7.列出spider路径下的spider文件:

scrapy list

8.编辑spider文件:

scrapy edit
相当于打开vim模式,实际并不好用,在IDE中编辑更为合适。

9.将网页内容下载下来,然后在终端打印当前返回的内容,相当于 request 和 urllib 方法:

scrapy fetch

10.将网页内容保存下来,并在浏览器中打开当前网页内容,直观呈现要爬取网页的内容:

scrapy view

11.打开 scrapy 显示台,类似ipython,可以用来做测试:

scrapy shell [url]

12.输出格式化内容:

scrapy parse [options]

13.返回系统设置信息:

scrapy settings [options]
如:

$ scrapy settings --get BOT_NAME
scrapybot

14.运行spider:

scrapy runspider <spider_file.py>

15.显示scrapy版本:

scrapy version [-v]
后面加 -v 可以显示scrapy依赖库的版本

16.测试电脑当前爬取速度性能:

scrapy bench

上一篇:汽车相关标准 AEC-Q(Automotive Electronics Counsil汽车电子协会 Q Qualification认证资格)


下一篇:Nginx实现负载均衡