10、web爬虫讲解2—Scrapy框架爬虫—Scrapy安装—

【百度云搜索，搜各种资料:http://www.81ad.cn】

Scrapy框架安装

1、首先，终端执行命令升级pip: python -m pip install --upgrade pip
2、安装，wheel(建议网络安装) pip install wheel
3、安装，lxml(建议下载安装)
4、安装，Twisted(建议下载安装)
5、安装，Scrapy(建议网络安装) pip install Scrapy

测试Scrapy是否安装成功

image

Scrapy框架指令

scrapy -h 查看帮助信息

Available commands:
　　bench　　　　　　 Run quick benchmark test (scrapy bench 硬件测试指令，可以测试当前服务器每分钟最多能爬多少个页面)
　　fetch　　　　　　 Fetch a URL using the Scrapy downloader (scrapy fetch http://www.iqiyi.com/ 获取一个网页html源码)
　　genspider 　　 　 Generate new spider using pre-defined templates ()
　　runspider　　 　　 Run a self-contained spider (without creating a project) ()
　　settings　　 　　 Get settings values ()
　　shell 　　 　　　　 Interactive scraping console ()
　　startproject 　　 　Create new project (cd 进入要创建项目的目录，scrapy startproject 项目名称 ，创建scrapy项目)
　　version 　　 　　 Print Scrapy version ()
　　view 　　 　　　 Open URL in browser, as seen by Scrapy ()

创建项目以及项目说明

scrapy startproject adc 创建项目

项目说明

目录结构如下：

├── firstCrawler

│ ├── init.py

│ ├── items.py

│ ├── middlewares.py

│ ├── pipelines.py

│ ├── settings.py

│ └── spiders

│ └── init.py

└── scrapy.cfg

• scrapy.cfg: 项目的配置文件

• tems.py: 项目中的item文件，用来定义解析对象对应的属性或字段。

• pipelines.py: 负责处理被spider提取出来的item。典型的处理有清理、 验证及持久化(例如存取到数据库）

• settings.py: 项目的设置文件.

• spiders：实现自定义爬虫的目录

• middlewares.py：Spider中间件是在引擎及Spider之间的特定钩子(specific hook)，处理spider的输入(response)和输出(items及requests)。 其提供了一个简便的机制，通过插入自定义代码来扩展Scrapy功能。

image

项目指令

项目指令是需要cd进入项目目录执行的指令

scrapy -h 项目指令帮助

Available commands:
　　bench　　 　　 Run quick benchmark test
　　check　　 　　 Check spider contracts
　　crawl　　　　 Run a spider
　　edit 　　　　 Edit spider
　　fetch　　 　　 Fetch a URL using the Scrapy downloader
　　genspider　　 Generate new spider using pre-defined templates
　　list 　　 　　　 List available spiders
　　parse　　 　　 Parse URL (using its spider) and print the results
　　runspider 　　 Run a self-contained spider (without creating a project)
　　settings 　　 Get settings values
　　shell　　 　　 Interactive scraping console
　　startproject 　 Create new project
　　version　　 Print Scrapy version (scrapy version 查看scrapy版本信息)
　　view　　　　 Open URL in browser, as seen by Scrapy (scrapy view http://www.zhimaruanjian.com/ 下载一个网页并打开)

创建爬虫文件

创建爬虫文件是根据scrapy的母版来创建爬虫文件的

scrapy genspider -l 查看scrapy创建爬虫文件可用的母版

Available templates:母版说明
　　basic　　 　　创建基础爬虫文件

crawl　　　　 创建自动爬虫文件
　　csvfeed　　 创建爬取csv数据爬虫文件

xmlfeed　　　 创建爬取xml数据爬虫文件

创建一个基础母版爬虫，其他同理

scrapy genspider -t 母版名称 爬虫文件名称 要爬取的域名 创建一个基础母版爬虫，其他同理
如：scrapy genspider -t basic pach baidu.com

image

scrapy check 爬虫文件名称 测试一个爬虫文件是否合规
如：scrapy check pach

image

scrapy crawl 爬虫名称 执行爬虫文件，显示日志 【重点】

scrapy crawl 爬虫名称 --nolog 执行爬虫文件，不显示日志【重点】
【转载自：http://www.leiqiankun.com/?id=53】