PyCharm下進行Scrapy項目的調試

PyCharm下進行Scrapy項目的調試,可以在爬蟲項目的根目錄創建一個main.py,然後在PyCharm設置下運行路徑,那麼就不用每次都在命令行運行代碼,直接運行main.py就能啓動爬蟲了。

1、首先創建一個Scrapy項目:

在命令行輸入:

scrapy startproject project_name

project_name爲項目名稱,比如我的項目名稱爲py_scrapyjobbole,生成的目錄爲:

這裏寫圖片描述


2、創建新的Spider

在命令行輸入:

scrapy genspider jobbole(spider名稱) blog.jobbole.com(爬取的起始url)
# -*- coding: utf-8 -*-
import scrapy


class JobboleSpider(scrapy.Spider):
    name = 'jobbole'
    allowed_domains = ['blog.jobbole.com']
    start_urls = ['http://blog.jobbole.com/111322/']

    def parse(self, response):
        re_select = response.xpath('//*[@id="post-111322"]/div[1]/h1')
        pass

3、配置setting.py文件(這步很重要)

BOT_NAME = 'py_scrapyjobbole'

SPIDER_MODULES = ['py_scrapyjobbole.spiders']
NEWSPIDER_MODULE = 'py_scrapyjobbole.spiders'

# Crawl responsibly by identifying yourself (and your website) on the user-agent
# USER_AGENT = 'py_scrapyjobbole (+http://www.yourdomain.com)'

# Obey robots.txt rules
ROBOTSTXT_OBEY = False

ROBOTSTXT_OBEY = False一定要設置成 False,斷點調試才能正常進行。


4、在工程目錄下建立main.py文件,稍後將會在這裏面進行調試!

from scrapy.cmdline import execute
import sys
import os

# 打斷點調試py文件
# sys.path.append('D:\PyCharm\py_scrapyjobbole')
sys.path.append(os.path.dirname(os.path.abspath(__file__)))
print(os.path.dirname(os.path.abspath(__file__)))
execute(['scrapy', 'crawl', 'jobbole'])

5、進行斷點調試

這裏寫圖片描述


附錄

xpath相關知識

在用Scrapy進行數據爬取時可能會用到xpath相關知識,所以簡單地展示一張圖:

這裏寫圖片描述

在這裏面值得注意的是‘’/“和”//“的區別!

/:代表子元素,選取的元素必須是父子關係

//:代表所有後代元素,選取的元素不一定是父子關係,只要是後代元素即可

不過,大家要是覺得難的話,也可以利用chrome的元素查找功能進行xpath路徑的複製:

這裏寫圖片描述

發佈了117 篇原創文章 · 獲贊 689 · 訪問量 96萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章