咨询热线

17074616708

notice  网站公告

诚信为本:市场永远在变,诚信永远不变。
SAFETY KNOWLEDGE

配菜常识

service phone 17074616708

首页-关于Scrapy爬虫项目运行和调试的小技巧(下篇)

发布时间:2021-09-09  点击量:
更多

本文摘要:前几天给大家共享了关于Scrapy爬虫项目运营和调试的小技巧上篇,没有再也上车的小伙伴可以砍超链接看一下。

首页

前几天给大家共享了关于Scrapy爬虫项目运营和调试的小技巧上篇,没有再也上车的小伙伴可以砍超链接看一下。今天小编之后沿着上篇的思路往下伸延,给大家共享更加简单的Scrapy项目调试技巧。三、设置网站robots.txt规则为False一般的,我们在运用Scrapy框架捕捉数据之前,必须提早到settings.py文件中,将“ROBOTSTXT_OBEY=True”改回ROBOTSTXT_OBEY=False。

在未改动之后settings.py文件中配置文件爬虫是遵从网站的robots.txt规则的,如下图右图。如果遵从robots.txt规则的话,那么爬取的结果不会自动过滤器掉很多我们想的目标信息,因此有适当将该参数设置为False,如下图右图。设置好robots.txt规则之后,我们之后可以捉到更加多网页的信息。

四、利用Scrapyshell展开调试一般来说我们要运营Scrapy爬虫程序的时候不会在命令行中输出“scrapycrawlcrawler_name”,细心的小伙伴应当告诉上篇文章中创立的main.py文件也是可以提升调试效率的,不过这两种方法都是必须从头到尾运营Scrapy爬虫项目,每次都必须催促一次URL,效率十分较低。运营过Scrapy爬虫项目的小伙伴都告诉Scrapy运营的时候比较较快,有时候因为网速不平稳,根部就无法动弹。针对每次都必须运营Scrapy爬虫的问题,这里讲解Scrapyshell调试方法给大家,可以事半功倍噢。

Scrapy给我们获取了一种shell模式,让我们可以在shell脚本之下提供整个URL对应的网页源码。在命令行中展开运营,其语法命令是“scrapyshellURL”,URL是所指你必须捕捉的网页网址或者链接,如下图右图。该命令代表的意思是对该URL展开调试,当命令继续执行之后,我们就早已提供到了该URL所对应的网页内容,之后我们就可以在该shell下展开调试,很久不必每次都继续执行Scrapy爬虫程序,发动URL催促了。

通过shell脚本这种方式可以很大的提升调试的效率,明确的调试方法同爬虫主体文件中的表达式语法完全一致。荐个栗子,如下图右图。将两个Xpath表达式所对应的选择器放在scrapyshell调试的脚本下,我们可以很确切的看见萃取的目标信息,而且省却了每次运营Scrapy爬虫程序的反复步骤,提升了研发效率。

这种方式在Scrapy爬虫过程中十分常用,而且也十分的简单,期望小伙伴们都可以掌控,并且积极主动的为自己所用。


本文关键词:米乐体育,首页

本文来源:米乐体育-www.wqhuaxuepin.com


有什么问题请反馈给我们!


如有需求请您联系我们!

地址:天津市天津市天津区近方大楼370号
电话:17074616708
手机:天津市天津市天津区近方大楼370号

Copyright © 2009-2021 www.wqhuaxuepin.com. 米乐体育科技 版权所有 ICP备案编:ICP备98693437号-7