Scrapy之Scrapy shell

时间 2019-11-12

标签 scrapy shell 栏目 Python 繁體版

原文原文链接

Scrapy Shell

Scrapy终端是一个交互终端，咱们能够在未启动spider的状况下尝试及调试代码，也能够用来测试XPath或CSS表达式，查看他们的工做方式，方便咱们爬取的网页中提取的数据。php

若是安装了 IPython ，Scrapy终端将使用 IPython (替代标准Python终端)。 IPython 终端与其余相比更为强大，提供智能的自动补全，高亮输出，及其余特性。（推荐安装IPython）css

启动Scrapy Shell

进入项目的根目录，执行下列命令来启动shell:html

scrapy shell "http://www.itcast.cn/channel/teacher.shtml"

Scrapy Shell根据下载的页面会自动建立一些方便使用的对象，例如 Response 对象，以及 Selector 对象 (对HTML及XML内容)。python

当shell载入后，将获得一个包含response数据的本地 response 变量，输入 response.body将输出response的包体，输出 response.headers 能够看到response的包头。正则表达式
输入 response.selector 时，将获取到一个response 初始化的类 Selector 的对象，此时能够经过使用 response.selector.xpath()或response.selector.css() 来对 response 进行查询。shell
Scrapy也提供了一些快捷方式, 例如 response.xpath()或response.css()一样能够生效（如以前的案例）。scrapy

Selectors选择器

Scrapy Selectors 内置 XPath 和 CSS Selector 表达式机制

Selector有四个基本的方法，最经常使用的仍是xpath:ide

xpath(): 传入xpath表达式，返回该表达式所对应的全部节点的selector list列表
extract(): 序列化该节点为Unicode字符串并返回list
css(): 传入CSS表达式，返回该表达式所对应的全部节点的selector list列表，语法同 BeautifulSoup4
re(): 根据传入的正则表达式对数据进行提取，返回Unicode字符串list列表

XPath表达式的例子及对应的含义:

/html/head/title: 选择<HTML>文档中 <head> 标签内的 <title> 元素 /html/head/title/text(): 选择上面提到的 <title> 元素的文字 //td: 选择全部的 <td> 元素 //div[@class="mine"]: 选择全部具备 class="mine" 属性的 div 元素

尝试Selector

咱们用腾讯社招的网站http://hr.tencent.com/position.php?&start=0#a举例：测试

# 启动
scrapy shell "http://hr.tencent.com/position.php?&start=0#a"

# 返回 xpath选择器对象列表
response.xpath('//title')
[<Selector xpath='//title' data=u'<title>\u804c\u4f4d\u641c\u7d22 | \u793e\u4f1a\u62db\u8058 | Tencent \u817e\u8baf\u62db\u8058</title'>]

# 使用 extract()方法返回 Unicode字符串列表
response.xpath('//title').extract()
[u'<title>\u804c\u4f4d\u641c\u7d22 | \u793e\u4f1a\u62db\u8058 | Tencent \u817e\u8baf\u62db\u8058</title>']

# 打印列表第一个元素，终端编码格式显示
print response.xpath('//title').extract()[0]
<title>职位搜索 | 社会招聘 | Tencent 腾讯招聘</title>

# 返回 xpath选择器对象列表
response.xpath('//title/text()')
<Selector xpath='//title/text()' data=u'\u804c\u4f4d\u641c\u7d22 | \u793e\u4f1a\u62db\u8058 | Tencent \u817e\u8baf\u62db\u8058'>

# 返回列表第一个元素的Unicode字符串
response.xpath('//title/text()')[0].extract()
u'\u804c\u4f4d\u641c\u7d22 | \u793e\u4f1a\u62db\u8058 | Tencent \u817e\u8baf\u62db\u8058'

# 按终端编码格式显示
print response.xpath('//title/text()')[0].extract()
职位搜索 | 社会招聘 | Tencent 腾讯招聘

response.xpath('//*[@class="even"]')
职位名称:

print site[0].xpath('./td[1]/a/text()').extract()[0]
TEG15-运营开发工程师（深圳）
职位名称详情页:

print site[0].xpath('./td[1]/a/@href').extract()[0]
position_detail.php?id=20744&keywords=&tid=0&lid=0
职位类别:

print site[0].xpath('./td[2]/text()').extract()[0]
技术类

之后作数据提取的时候，能够把如今Scrapy Shell中测试，测试经过后再应用到代码中。网站

固然Scrapy Shell做用不单单如此，可是不属于咱们课程重点，不作详细介绍。

官方文档：http://scrapy-chs.readthedocs.io/zh_CN/latest/topics/shell.html

1. python爬虫scrapy之scrapy终端(Scrapy shell)
2. Scrapy框架----- Scrapy Shell
3. scrapy框架之shell
4. Scrapy Shell
5. scrapy 测试工具scrapy shell
6. 爬虫：Scrapy7 - Scrapy终端(Scrapy shell)
7. Scrapy（7） Shell 研究
8. scrapy与scrapy-redis
9. scrapy
10. Scrapy
更多相关文章...
• PHP fnmatch() 函数 - PHP参考手册
• PHP EOF(heredoc) 使用说明 - PHP教程
• 互联网组织的未来：剖析GitHub员工的任性之源
• Docker容器实战(七) - 容器眼光下的文件系统