python - 如何像简单脚本一样以编程方式运行 scrapy 蜘蛛？

Question

我创建了一个 Scrapy 蜘蛛。但我想将它作为脚本运行。我该怎么做。现在我可以在终端中通过这个命令运行:

$ scrapy crawl book -o book.json

但我想像运行一个简单的 python 脚本一样运行它

Answer 1

不使用项目，可以直接在python脚本中运行spider。

你必须使用 scrapy.crawler.CrawlerProcess 或 scrapy.crawler.CrawlerRunner
但我不确定它是否具有项目中的所有功能。

在文档中查看更多信息:Common Practices

或者您可以将命令放在 Linux 上的 bash 脚本中或 Windows 上的 .bat 文件中。

顺便说一句:在 Linux 上，您可以在第一行添加 shebang (#!/bin/bash) 并设置属性“executable”-
IE。 chmod +x your_script - 它将像正常程序一样运行。

---

工作示例

#!/usr/bin/env python3

import scrapy

class MySpider(scrapy.Spider):

    name = 'myspider'

    allowed_domains = ['http://quotes.toqoute.com']

    #start_urls = []

    #def start_requests(self):
    #    for tag in self.tags:
    #        for page in range(self.pages):
    #            url = self.url_template.format(tag, page)
    #            yield scrapy.Request(url)

    def parse(self, response):
        print('url:', response.url)

# --- it runs without project and saves in `output.csv` ---

from scrapy.crawler import CrawlerProcess

c = CrawlerProcess({
    'USER_AGENT': 'Mozilla/5.0',
    'FEED_FORMAT': 'csv',
    'FEED_URI': 'output.csv',
})
c.crawl(MySpider)
c.start()