本节包含可用内置命令的列表，其中包含说明和一些用法示例。请记住，您始终可以通过运行以获取有关每个命令的更多信息：

scrapy <command> -h

你可以看到所有可用的命令：

scrapy -h

有两种命令，一种只能在Scrapy项目内部工作（特定于项目的命令）和那些在没有活动的Scrapy项目（全局命令）的情况下工作的命令，尽管从项目内部运行时它们可能表现略有不同（因为他们会使用项目覆盖设置）。

全局命令：

仅限项目的命令：

  • crawl
  • check
  • list
  • edit
  • parse
  • bench

startproject命令

project_name在project_dir 目录下创建一个名为的新Scrapy项目。如果project_dir没有指定，project_dir将是相同的project_name。

用法示例：

$ scrapy startproject myproject

genspider

  • 句法： scrapy genspider [-t template] <name> <domain>
  • 需要项目：没有

spiders如果从项目内部调用，则在当前文件夹或当前项目的文件夹中创建新的蜘蛛。该<name>参数设置为蜘蛛的name，而<domain>用于生成allowed_domains和start_urls蜘蛛的属性。

用法示例：

$ scrapy genspider -l
Available templates:
  basic
  crawl
  csvfeed
  xmlfeed

$ scrapy genspider example example.com
Created spider 'example' using template 'basic'

$ scrapy genspider -t crawl scrapyorg scrapy.org
Created spider 'scrapyorg' using template 'crawl'

这只是一个方便的快捷方式命令，用于根据预定义的模板创建蜘蛛，但肯定不是创建蜘蛛的唯一方法。您可以自己创建蜘蛛源代码文件，而不是使用此命令。

抓取

  • 句法： scrapy crawl <spider>
  • 需要项目：是的

使用蜘蛛开始抓取。

用法示例：

$ scrapy crawl myspider
[ ... myspider starts crawling ... ]

检查

  • 句法： scrapy check [-l] <spider>
  • 需要项目：是的

运行合同检查。

用法示例：

$ scrapy check -l
first_spider
  * parse
  * parse_item
second_spider
  * parse
  * parse_item

$ scrapy check
[FAILED] first_spider:parse_item
>>> 'RetailPricex' field is missing

[FAILED] first_spider:parse
>>> Returned 92 requests, expected 0..4

列表

  • 句法： scrapy list
  • 需要项目：是的

列出当前项目中的所有可用蜘蛛。输出是每行一个蜘蛛。

用法示例：

$ scrapy list
spider1
spider2

编辑

  • 句法： scrapy edit <spider>
  • 需要项目：是的

使用EDITOR环境变量中定义的编辑器或（如果未设置）EDITOR设置编辑给定的蜘蛛。

此命令仅作为最常见情况的便捷快捷方式提供，开发人员当然可以自由选择任何工具或IDE来编写和调试蜘蛛。

用法示例：

$ scrapy edit spider1

获取

  • 句法： scrapy fetch <url>
  • 需要项目：没有

使用Scrapy下载程序下载给定的URL，并将内容写入标准输出。

这个命令的有趣之处在于它获取了蜘蛛下载它的页面。例如，如果蜘蛛具有USER_AGENT 覆盖用户代理的属性，则它将使用该属性。

因此，此命令可用于“查看”您的蜘蛛如何获取某个页面。

如果在项目外部使用，则不会应用特定的每蜘蛛行为，它将仅使用默认的Scrapy下载程序设置。

支持的选项：

  • --spider=SPIDER：绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --headers：打印响应的HTTP标头而不是响应的正文
  • --no-redirect：不要遵循HTTP 3xx重定向（默认是遵循它们）

用法示例：

$ scrapy fetch --nolog http://www.example.com/some/page.html
[ ... html content here ... ]

$ scrapy fetch --nolog --headers http://www.example.com/
{'Accept-Ranges': ['bytes'],
 'Age': ['1263   '],
 'Connection': ['close     '],
 'Content-Length': ['596'],
 'Content-Type': ['text/html; charset=UTF-8'],
 'Date': ['Wed, 18 Aug 2010 23:59:46 GMT'],
 'Etag': ['"573c1-254-48c9c87349680"'],
 'Last-Modified': ['Fri, 30 Jul 2010 15:30:18 GMT'],
 'Server': ['Apache/2.2.3 (CentOS)']}

视图

  • 句法： scrapy view <url>
  • 需要项目：没有

在浏览器中打开给定的URL，因为您的Scrapy蜘蛛会“看到”它。有时蜘蛛会看到不同于常规用户的页面，因此可以用来检查蜘蛛“看到”的内容并确认它是您所期望的。

支持的选项：

  • --spider=SPIDER：绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --no-redirect：不要遵循HTTP 3xx重定向（默认是遵循它们）

用法示例：

$ scrapy view http://www.example.com/some/page.html
[ ... browser starts ... ]

外壳

  • 句法： scrapy shell [url]
  • 需要项目：没有

为给定的URL启动Scrapy shell（如果给定），如果没有给出URL，则为空。还支持UNIX样式的本地文件路径，相对于 ./或../前缀或绝对文件路径。有关详细信息，请参阅Scrapy shell。

支持的选项：

  • --spider=SPIDER：绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • -c code：评估shell中的代码，打印结果并退出
  • --no-redirect：不要遵循HTTP 3xx重定向（默认是遵循它们）; 这只会影响您在命令行中作为参数传递的URL; 一旦进入shell，fetch(url)默认情况下仍会遵循HTTP重定向。

用法示例：

$ scrapy shell http://www.example.com/some/page.html
[ ... scrapy shell starts ... ]

$ scrapy shell --nolog http://www.example.com/ -c '(response.status, response.url)'
(200, 'http://www.example.com/')

# shell follows HTTP redirects by default
$ scrapy shell --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(200, 'http://example.com/')

# you can disable this with --no-redirect
# (only for the URL passed as command line argument)
$ scrapy shell --no-redirect --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(302, 'http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F')

解析

  • 句法： scrapy parse <url> [options]
  • 需要项目：是的

获取给定的URL并使用处理它的蜘蛛解析它，使用随--callback选项传递的方法，或者parse如果没有给出。

支持的选项：

  • --spider=SPIDER：绕过蜘蛛自动检测并强制使用特定的蜘蛛
  • --a NAME=VALUE：设置蜘蛛参数（可能重复）
  • --callback或-c：用作解析响应的回调的spider方法
  • --meta或-m：将传递给回调请求的其他请求元。这必须是有效的json字符串。示例：-meta ='{“foo”：“bar”}’
  • --pipelines：通过管道处理项目
  • --rules或-r：使用CrawlSpider 规则来发现用于解析响应的回调（即蜘蛛方法）
  • --noitems：不显示刮下的物品
  • --nolinks：不显示提取的链接
  • --nocolour：避免使用pygments为输出着色
  • --depth或-d：递归请求的深度级别（默认值：1）
  • --verbose或-v：显示每个深度级别的信息

用法示例：

$ scrapy parse http://www.example.com/ -c parse_item
[ ... scrapy log lines crawling example.com spider ... ]

>>> STATUS DEPTH LEVEL 1 <<<
# Scraped Items  ------------------------------------------------------------
[{'name': u'Example item',
 'category': u'Furniture',
 'length': u'12 cm'}]

# Requests  -----------------------------------------------------------------
[]

设置

  • 句法： scrapy settings [options]
  • 需要项目：没有

获取Scrapy设置的值。

如果在项目中使用它将显示项目设置值，否则它将显示该设置的默认Scrapy值。

用法示例：

$ scrapy settings --get BOT_NAME
scrapybot
$ scrapy settings --get DOWNLOAD_DELAY
0

runspider

  • 句法： scrapy runspider <spider_file.py>
  • 需要项目：没有

在Python文件中运行自包含的蜘蛛，而无需创建项目。

用法示例：

$ scrapy runspider myspider.py
[ ... spider starts crawling ... ]

版本

  • 句法： scrapy version [-v]
  • 需要项目：没有

打印Scrapy版本。如果与-v它一起使用，还会打印Python，Twisted和Platform信息，这对于错误报告很有用。

测试

版本0.17中的新功能。

  • 句法： scrapy bench
  • 需要项目：没有

运行快速基准测试。基准测试。

自定义项目命令

您还可以使用该COMMANDS_MODULE设置添加自定义项目命令 。有关如何实现命令的示例，请参阅scrapy /命令中的 Scrapy命令。

COMMANDS_MODULE

默认值:( ''空字符串）

用于查找自定义Scrapy命令的模块。这用于为Scrapy项目添加自定义命令。

例：

COMMANDS_MODULE = 'mybot.commands'

通过setup.py入口点注册命令

注意

这是一个实验性功能，请谨慎使用。

您还可以通过scrapy.commands在库setup.py 文件的入口点中添加一个部分来从外部库添加Scrapy命令 。

以下示例添加my_command命令：

from setuptools import setup, find_packages

setup(name='scrapy-mymodule',
  entry_points={
    'scrapy.commands': [
      'my_command=my_scrapy_module.commands:MyCommand',
    ],
  },
 )

 

评论被关闭。