scrapy入門實戰練習（二）----調試(Debugging)Spiders

轉自知乎網

工具和環境

1. 語言：python 2.7
2. IDE： Pycharm
3. 瀏覽器：Chrome
4. 爬蟲框架：Scrapy 1.2.1

正文

方法1

通過 scrapy.shell.inspect_response 函數來實現。以上一篇教程的爬蟲爲例：

# -*- coding: utf-8 -*-
# @Time     : 2017/1/7 17:04
# @Author   : woodenrobot


from scrapy import Request
from scrapy.spiders import Spider
from scrapyspider.items import DoubanMovieItem


class DoubanMovieTop250Spider(Spider):
    name = 'douban_movie_top250'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/'
                      '537.36 (KHTML, like Gecko) Chrome/53.0.2785.143 Safar'
                      'i/537.36',
    }

    def start_requests(self):
        url = 'https://movie.douban.com/top250'
        yield Request(url, headers=self.headers)

    def parse(self, response):
        # 命令行調試代碼
        from scrapy.shell import inspect_response
        inspect_response(response, self)
        
        item = DoubanMovieItem()
        movies = response.xpath('//ol[@class="grid_view"]/li')
        for movie in movies:
            item['ranking'] = movie.xpath(
                './/div[@class="pic"]/em/text()').extract()[0]
            item['movie_name'] = movie.xpath(
                './/div[@class="hd"]/a/span[1]/text()').extract()[0]
            item['score'] = movie.xpath(
                './/div[@class="star"]/span[@class="rating_num"]/text()'
            ).extract()[0]
            item['score_num'] = movie.xpath(
                './/div[@class="star"]/span/text()').re(ur'(\d+)人評價')[0]
            yield item

        next_url = response.xpath('//span[@class="next"]/a/@href').extract()
        if next_url:
            next_url = 'https://movie.douban.com/top250' + next_url[0]
            yield Request(next_url, headers=self.headers)

我們在下載完網頁源碼進行解析前可以插入上述兩句代碼，在命令行運行爬蟲出現以下效果：

此時我們就可以在命令行中使用xpath規則對response進行操作提取相應的信息：
有時候下載下來的網頁結構和瀏覽器中看到的不一樣，我們可以利用view(response)將爬蟲下載到的網頁源碼在瀏覽器中打開：
在命令行輸入view(response)後默認瀏覽器會自動打開下載到的網頁源碼。
雖然scrapy自己提供了這個方式讓我們調試自己的爬蟲，但是這個方式有很大的侷限性。如果能利用pycharm的Debug功能進行調試就太好了。下面我就爲大家介紹這麼用pycharm調試自己的爬蟲。

方法2

首先在setting.py同級目錄下創建run.py文件。

寫入以下代碼：

# -*- coding: utf-8 -*-
# @Time     : 2017/1/1 17:51
# @Author   : woodenrobot


from scrapy import cmdline


name = 'douban_movie_top250'
cmd = 'scrapy crawl {0}'.format(name)
cmdline.execute(cmd.split())

其中name參數爲spider的name。
接着在spider文件中設置斷點。

返回run.py文件中右鍵選擇Debug。

最後程序就會在斷點處暫停，我們就可以查看相應的內容從而進行調試 。

結語

兩種方法適合不同的場景，不過一般情況下肯定是方法2好用。