极客教程Scrapy Shell描述
Scrapy shell可以用来搜刮无错误代码的数据，而不需要使用spider。Scrapy shell的主要目的是测试提取的代码、XPath或CSS表达式。它还有助于指定你要爬取数据的网页。
配置Shell
可以通过安装IPython（用于交互式计算）控制台来配置shell，它是一个强大的交互式shell，可以提供自动完成、彩色输出等。
如果你是在Unix平台上工作，那么最好安装IPython。如果IPython无法访问，你也可以使用bpython。
你可以通过设置名为SCRAPY_PYTHON_SHELL的环境变量或通过定义scrapy.cfg文件来配置shell，如下所示
[settings]
shell = bpython
启动Shell
可以用以下命令启动Scrapy shell —
scrapy shell <url>
url指的是需要爬取数据的URL。
使用Shell
shell提供了一些额外的快捷方式和Scrapy对象，如下表所示
可用的快捷键
Shell在项目中提供了以下可用的快捷方式—-
| 编号 | 快捷键 | 描述 |
|---|---|---|
| 1 | shelp() | 它通过帮助选项提供了可用的对象和快捷方式 |
| 2 | fetch(request_or_url) | 它收集来自请求或URL的响应，相关对象将得到适当的更新 |
| 3 | view(response) | 你可以在本地浏览器中查看给定请求的响应以进行观察，为了正确显示外部链接，它在响应体中附加了一个基础标签 |
可用的Scrapy对象
Shell在项目中提供了以下可用的Scrapy对象—-。
| 编号 | 对象 | 描述 |
|---|---|---|
| 1 | crawler | 它指定了当前的爬虫对象 |
| 2 | spider | 如果目前的URL没有Spider，那么它将通过定义新的Spider来处理这个URL或Spider对象 |
| 3 | request | 它指定了最后收集的页面的请求对象 |
| 4 | response | 它指定了最后收集的页面的响应对象 |
| 5 | settings | 它提供了当前的Scrapy设置 |
Shell会话示例
让我们尝试爬取scrapy.org网站，然后开始从reddit.com爬取所述的数据。
在继续前进之前，首先我们将启动shell，如下面的命令所示 —
scrapy shell 'http://scrapy.org' --nolog
Scrapy将显示可用的对象，同时使用上述URL —
[s] Available Scrapy objects:
[s] crawler <scrapy.crawler.Crawler object at 0x1e16b50>
[s] item {}
[s] request <GET http://scrapy.org >
[s] response <200 http://scrapy.org >
[s] settings <scrapy.settings.Settings object at 0x2bfd650>
[s] spider <Spider 'default' at 0x20c6f50>
[s] Useful shortcuts:
[s] shelp() Provides available objects and shortcuts with help option
[s] fetch(req_or_url) Collects the response from the request or URL and associated
objects will get update
[s] view(response) View the response for the given request
接下来，从对象的工作开始，如下所示—
>> response.xpath('//title/text()').extract_first()
u'Scrapy | A Fast and Powerful Scraping and Web Crawling Framework'
>> fetch("http://reddit.com")
[s] Available Scrapy objects:
[s] crawler
[s] item {}
[s] request
[s] response <200 https://www.reddit.com/>
[s] settings
[s] spider
[s] Useful shortcuts:
[s] shelp() Shell help (print this help)
[s] fetch(req_or_url) Fetch request (or URL) and update local objects
[s] view(response) View response in a browser
>> response.xpath('//title/text()').extract()
[u'reddit: the front page of the internet']
>> request = request.replace(method="POST")
>> fetch(request)
[s] Available Scrapy objects:
[s] crawler
...
从Spider调用Shell来检查响应
你可以检查从Spider处理的响应，只有当你期望得到该响应时才可以。
例如–
import scrapy
class SpiderDemo(scrapy.Spider):
name = "spiderdemo"
start_urls = [
"http://mysite.com",
"http://mysite1.org",
"http://mysite2.net",
]
def parse(self, response):
# You can inspect one specific response
if ".net" in response.url:
from scrapy.shell import inspect_response
inspect_response(response, self)
如上面的代码所示，你可以从spiders中调用shell来检查响应，使用以下函数——。
scrapy.shell.inspect_response
现在运行Spider，你会得到以下屏幕 –
2016-02-08 18:15:20-0400 [scrapy] DEBUG: Crawled (200) (referer: None)
2016-02-08 18:15:20-0400 [scrapy] DEBUG: Crawled (200) (referer: None)
2016-02-08 18:15:20-0400 [scrapy] DEBUG: Crawled (200) (referer: None)
[s] Available Scrapy objects:
[s] crawler
...
>> response.url
'http://mysite2.org'
>> response.xpath('//div[@class = "val"]')
它的输出显示为
[]
上面一行只显示了一个空白输出。现在你可以调用shell来检查响应，如下图所示
>> view(response)
它显示的响应为
True