Scrapy爬蟲項目運行和調試的小技巧是怎樣的

今天就跟大家聊聊有關Scrapy爬蟲項目運行和調試的小技巧是怎樣的，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。

關于Scrapy爬蟲項目運行和調試的小技巧

設置網站robots.txt規則為False

一般的，我們在運用Scrapy框架抓取數據之前，需要提前到settings.py文件中，將“ROBOTSTXT_OBEY = True”改為ROBOTSTXT_OBEY = False。

在未改動之后settings.py文件中默認爬蟲是遵守網站的robots.txt規則的，如下圖所示。

如果遵守robots.txt規則的話，那么爬取的結果會自動過濾掉很多我們想要的目標信息，因此有必要將該參數設置為False，如下圖所示。

設置好robots.txt規則之后，我們便可以抓到更多網頁的信息。

利用Scrapy shell進行調試

通常我們要運行Scrapy爬蟲程序的時候會在命令行中輸入“scrapy crawl crawler_name”，細心的小伙伴應該知道上篇文章中創建的main.py文件也是可以提高調試效率的，不過這兩種方法都是需要從頭到尾運行Scrapy爬蟲項目，每次都需要請求一次URL，效率十分低。運行過Scrapy爬蟲項目的小伙伴都知道Scrapy運行的時候相對較慢，有時候因為網速不穩定，根部就無法動彈。針對每次都需要運行Scrapy爬蟲的問題，這里介紹Scrapy shell調試方法給大家，可以事半功倍噢。

Scrapy給我們提供了一種shell模式，讓我們可以在shell腳本之下獲取整個URL對應的網頁源碼。在命令行中進行運行，其語法命令是“scrapy shell URL”，URL是指你需要抓取的網頁網址或者鏈接，如下圖所示。

該命令代表的意思是對該URL進行調試，當命令執行之后，我們就已經獲取到了該URL所對應的網頁內容，之后我們就可以在該shell下進行調試，再也不用每次都執行Scrapy爬蟲程序，發起URL請求了。

通過shell腳本這種方式可以極大的提高調試的效率，具體的調試方法同爬蟲主體文件中的表達式語法一致。舉個栗子，如下圖所示。

將兩個Xpath表達式所對應的選擇器放到scrapy shell調試的腳本下，我們可以很清楚的看到提取的目標信息，而且省去了每次運行Scrapy爬蟲程序的重復步驟，提高了開發效率。這種方式在Scrapy爬蟲過程中十分常用，而且也十分的實用，希望小伙伴們都可以掌握，并且積極主動的為自己所用。

看完上述內容，你們對Scrapy爬蟲項目運行和調試的小技巧是怎樣的有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。