Scrapy – Shell
描述
Scrapy shell可用于以无错误的代码来采集数据,而不需要使用蜘蛛。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搜刮数据的网页。
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
启动Shell
Scrapy shell可以用以下命令启动
url 指的是需要刮取数据的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
可用的快捷方式
Shell在项目中提供了以下可用的快捷方式
序号 | 快捷方式和描述 |
---|---|
1 | shelp() 它提供可用的对象和带有帮助选项的快捷方式。 |
2 | fetch(request_or_url) 它收集来自请求或URL的响应,相关的对象将被适当更新。 |
3 | view(response) 你可以在本地浏览器中查看给定请求的响应,以便观察,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
序号 | 对象和描述 |
---|---|
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。 |
壳牌会话的例子
让我们尝试刮取scrapy.org网站,然后开始刮取reddit.com上的数据。
在继续前进之前,首先我们将启动shell,如下面的命令所示
Scrapy将显示可用的对象,同时使用上述URL —
接下来,从对象的工作开始,如下所示 −
从蜘蛛调用 Shell 来检查响应
你可以检查从蜘蛛处理的响应,只有当你期望得到该响应时。
例如 –
如上面的代码所示,你可以从spiders中调用shell来检查响应,使用下面的函数—
现在运行spider,你将得到以下屏幕 −
你可以使用以下代码检查提取的代码是否工作 −
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
它显示的响应为