Scrapy框架的简单使用

一.安装依赖

#Windows平台
    1、pip3 install wheel
    3、pip3 install lxml
    4、pip3 install pyopenssl
    5、pip3 install pywin32  #如果不行去官网https://sourceforge.net/projects/pywin32/files/pywin32/
    6、pip3 install twisted #如果不行去官网：http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
    7、pip3 install scrapy
#Linux平台
    1、pip3 install scrapy

二.命令

#1 查看帮助
    scrapy -h
    scrapy <command> -h
#2 有两种命令：其中Project-only必须切到项目文件夹下才能执行，而Global的命令则不需要
    Global commands:
        startproject #创建项目
        genspider    #基本上都要cd项目目录,scrapy genspider 名称 url
        settings     #如果是在项目目录下，则得到的是该项目的配置
        runspider    #运行一个独立的python文件，不必创建项目
        shell        #scrapy shell url地址  在交互式调试，如选择器规则正确与否
        fetch        #独立于程单纯地爬取一个页面，可以拿到请求头
        view         #下载完毕后直接弹出浏览器，以此可以分辨出哪些数据是ajax请求
        version      #scrapy version 查看scrapy的版本，scrapy version -v查看scrapy依赖库的版本
    Project-only commands:
        crawl        #运行爬虫，必须创建项目才行，确保配置文件中ROBOTSTXT_OBEY = False
        check        #检测项目中有无语法错误
        list         #列出项目中所包含的爬虫名
        edit         #编辑器，一般不用
        parse        #scrapy parse url地址 --callback 回调函数  #以此可以验证我们的回调函数是否正确
        bench        #scrapy bentch压力测试
#3 官网链接
    https://docs.scrapy.org/en/latest/topics/commands.html

crawl运行爬虫程序如果不打印日志

scrapy crawl 爬虫程序中的name --nolog

三.文件说明

• scrapy.cfg 项目的主配置信息，用来部署scrapy时使用，爬虫相关的配置信息在settings.py文件中。
• items.py 设置数据存储模板，用于结构化数据，如：Django的Model
• pipelines 数据处理行为，如：一般结构化的数据持久化
• settings.py 配置文件，如：递归的层数、并发数，延迟下载等。强调:配置文件的选项必须大写否则视为无效****，正确写法USER_AGENT='xxxx'
• spiders 爬虫目录，如：创建文件，编写爬虫规则