scrapy框架自定制命令

写好本身的爬虫项目以后，能够本身定制爬虫运行的命令。html

1、单爬虫python

在项目的根目录下新建一个py文件，如命名为start.py，写入以下代码：框架

from scrapy.cmdline import execute

if __name__ == "__main__":
    execute(["scrapy", "crawl", "chouti", "--nolog"])

运行start.py便可。scrapy

2、多爬虫运行ide

一、在spiders的同级目录建立文件夹，如commands；post

二、在这个新建的文件夹下建立一个py文件，如命名为crawlall.py，编写代码：ui

from scrapy.commands import ScrapyCommand


class Command(ScrapyCommand):
    requires_project = True

    def syntax(self):
        return "[options]"

    def short_desc(self):
        return "Run all of the spiders"  # 自定义命令描述

    def run(self, args, opts):
        spider_list = self.crawler_process.spiders.list()  # 获取爬虫列表
        for name in spider_list:  # 循环列表，对每一个爬虫进行爬取。也能够对列表中的爬虫进行筛选，根据本身的需求爬取想要的
            self.crawler_process.crawl(name, **opts.__dict__)
        self.crawler_process.start()

三、在settings.py中添加配置：COMMANDS_MODULE = "项目名.目录名"url

如：COMMANDS_MODULE = "myspider.spiders.commands"spa

四、在终端输入：scrapy crawlall --nolog 便可运行  （crawlall是步骤2中你新建的py文件名）code

目录结构

 └─myspider
        │  items.py
        │  middlewares.py
        │  pipelines.py
        │  settings.py
        │  __init__.py
        │
        ├─spiders
        │  │  zhihu.py
        │  │  __init__.py
        │  │
        │  ├─commands
        │  │  │  crawlall.py
        │  │  │
        │  │  └─__pycache__
        │  │          crawlall.cpython-36.pyc
        │  │
        │  └─__pycache__
        │          zhihu.cpython-36.pyc
        │          __init__.cpython-36.pyc
        │
        └─__pycache__
                items.cpython-36.pyc
                pipelines.cpython-36.pyc
                settings.cpython-36.pyc
                __init__.cpython-36.pyc