作者：SeanCheney
链接：https://www.jianshu.com/p/ea0bbeda5f24
來源：简书
这是官方文档的命令行工具https://docs.scrapy.org/en/latest/topics/commands.html
配置设置
Scrapy 默认在 scrapy.cfg 文件中查找配置参数：
- 系统范围：/etc/scrapy.cfg 或 c:\scrapy\scrapy.cfg
- 用户范围：~/.config/scrapy.cfg ($XDG_CONFIG_HOME) 和 ~/.scrapy.cfg ($HOME)
- 项目内范围：scrapy.cfg
项目范围的设置将覆盖所有其他文件的设置，用户范围内定义的设置的覆盖系统范围内的设置。
Scrapy 也可以接受来自环境变量的配置。目前有：
- SCRAPY_SETTINGS_MODULE (见 Designating the settings)
- SCRAPY_PROJECT
- SCRAPY_PYTHON_SHELL (见 Scrapy shell)
使用 scrapy 工具
在没有参数的情况下直接运行 scrapy 命令将得到一些使用帮助和可用的命令，如下所示：
在之前tutorial下面运行，第一行将打印出当前项目的名称：
创建项目
scrapy startproject myproject [project_dir]
这将在 project_dir 目录下创建一个 Scrapy 项目。如果没有指定 project_dir，将会在与 myproject 同名的目录中创建项目（如果没有则创建它）。
进入新建项目的根目录：
cd project_dir
管理项目
新建爬虫：
scrapy genspider mydomain mydomain.com
Scrapy 的可用命令
查看某个命令的帮助：
scrapy <command> -h
查看所有可用的命令：
scrapy -h
命令分为两类，全局命令：
startproject
genspider
settings
runspider
shell
fetch
view
version
项目命令：
crawl
check
list
edit
parse
bench
startproject
scrapy startproject myproject
genspider
scrapy genspider [-t template] <name> <domain>
在当前文件夹或当前项目的 spiders 文件夹中新建一个爬虫。如果在项目中使用此命令。 <name> 参数为爬虫的名称，<domain> 用于生成 allowed_domains 和 start_urls spider 的属性。
示例（template：模板）：
$ scrapy genspider -l
Available templates:
basic
crawl
csvfeed
xmlfeed
$ scrapy genspider example example.com
Created spider 'example' using template 'basic'
$ scrapy genspider -t crawl scrapyorg scrapy.org
Created spider 'scrapyorg' using template 'crawl'
crawl
语法：scrapy crawl <spider>
必须在项目内使用。
启动爬虫。
示例：
$ scrapy crawl myspider
[ ... myspider starts crawling ... ]
check
语法：scrapy check [-l] <spider>
必须在项目内使用：是
协议（contract）检查。
示例：
$ scrapy check -l
first_spider
* parse
* parse_item
second_spider
* parse
* parse_item
$ scrapy check
[FAILED] first_spider:parse_item
>>> 'RetailPricex' field is missing
[FAILED] first_spider:parse
>>> Returned 92 requests, expected 0..4
list
语法：scrapy list
必须在项目内使用：是
列出项目中所有可用爬虫。
示例：
$ scrapy list
spider1
spider2
edit
语法：scrapy edit <spider>
必须在项目内使用：是
使用EDITOR环境变量或设置中定义的编辑器编辑爬虫。
该命令仅作为一种快捷方式提供，开发人员可以自由选择工具或IDE来编写和调试爬虫。
示例：
$ scrapy edit spider1
fetch
语法：scrapy fetch <url>
必须在项目内使用：否
使用 Scrapy 下载器下载给定的 URL，并将内容输出到标准输出流。
这个命令的有趣之处在于它会使用爬虫定义的方式下载页面。 例如，如果爬虫具有 USER_AGENT 属性覆盖了 User Agent，那么命令将使用爬虫里的属性。
所以这个命令可以用来查看爬虫如何获取某个页面。
在项目之外使用时只会使用默认的 Scrapy 下载器设置。
支持的选项：
- --spider = SPIDER：强制使用给定的爬虫
- --headers：打印 HTTP 响应头
- --no-redirect：禁用 HTTP 3xx 重定向（默认启用）
示例：
$ scrapy fetch --nolog http://www.example.com/some/page.html
[ ... html content here ... ]
$ scrapy fetch --nolog --headers http://www.example.com/
{'Accept-Ranges': ['bytes'],
'Age': ['1263 '],
'Connection': ['close '],
'Content-Length': ['596'],
'Content-Type': ['text/html; charset=UTF-8'],
'Date': ['Wed, 18 Aug 2010 23:59:46 GMT'],
'Etag': ['"573c1-254-48c9c87349680"'],
'Last-Modified': ['Fri, 30 Jul 2010 15:30:18 GMT'],
'Server': ['Apache/2.2.3 (CentOS)']}
view
语法：scrapy view <url>
必须在项目内使用：否
以 Scrapy 爬虫所“看到”的样子在浏览器中打开给定的URL。用来查看爬虫所“看到”的样子是否是你所期望的，因为两者有可能不同。
支持的选项：
--spider = SPIDER：强制使用给定的爬虫
--no-redirect：禁用 HTTP 3xx 重定向（默认启用）
示例：
$ scrapy view http://www.example.com/some/page.html
[ ... browser starts ... ]
shell
语法：scrapy shell [url]
必须在项目内使用：否
以给定的 URL（如果给定）启动 Scrapy shell。支持 UNIX 风格的本地文件路径，包括相对路径（./ 或 ../）和绝对路径。请参阅 Scrapy shell 了解更多信息。
支持的选项：
--spider = SPIDER：强制使用给定的爬虫
-c code：在 shell 中执行代码，打印结果并退出
--no-redirect：禁用 HTTP 3xx 重定向（默认启用）; 这只会影响您在命令行参数中给定的 URL;，一旦你进入到 shell 中，fetch(url) 将默认启用 HTTP 重定向。
示例：
$ scrapy shell http://www.example.com/some/page.html
[ ... scrapy shell starts ... ]
$ scrapy shell --nolog http://www.example.com/ -c '(response.status, response.url)'
(200, 'http://www.example.com/')
# 默认启用重定向
$ scrapy shell --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(200, 'http://example.com/')
# 你可以通过 --no-redirect 禁用重定向
# (只作用于命令行参数中的 URL)
$ scrapy shell --no-redirect --nolog http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F -c '(response.status, response.url)'
(302, 'http://httpbin.org/redirect-to?url=http%3A%2F%2Fexample.com%2F')
parse
语法：scrapy parse <url> [options]
必须在项目内使用：是
获取给定的 URL 并使用爬虫处理它的方式解析它，使用 --callback 选项传递解析方法，默认使用 parse 方法。
支持的选项：
- --spider = SPIDER：强制使用给定的爬虫
- --a NAME = VALUE：设置爬虫参数（可能会重复）
- --callback 或 -c：解析响应对象的回调方法
- --piplines：通过管道处理项
- --rules 或 -r：使用 CrawlSpider 规则查找用于解析响应对象的回调方法
- --noitems：不显示抓取到的项
- --nolinks：不显示提取的链接
- --nocolour：避免使用pygments对输出着色
- --depth 或 -d：递归爬取的深度（默认值：1）
- --verbose 或 -v：显示爬取每一层的信息
示例：
$ scrapy parse http://www.example.com/ -c parse_item
[ ... scrapy log lines crawling example.com spider ... ]
>>> STATUS DEPTH LEVEL 1 <<<
# Scraped Items ------------------------------------------------------------
[{'name': u'Example item',
'category': u'Furniture',
'length': u'12 cm'}]
# Requests -----------------------------------------------------------------
[]
settings
语法：scrapy settings [options]
必须在项目内使用：否
获取 Scrapy 设置。
如果在项目中使用它将显示项目的设置值，否则将显示 Scrapy 默认的设置。
示例：
$ scrapy settings --get BOT_NAME
scrapybot
$ scrapy settings --get DOWNLOAD_DELAY
0
runspider
语法：scrapy runspider <spider_file.py>
必须在项目内使用：否
运行一个独立的爬虫 Python 文件，无需创建一个项目。
示例：
$ scrapy runspider myspider.py
[ ... spider starts crawling ... ]
version
语法：scrapy version [-v]
必须在项目内使用：否
打印 Scrapy 版本。使用 -v 时还会打印出 Python，Twisted 和 Platform 的信息，这对错误报告很有用。
bench
语法：scrapy bench
必须在项目内使用：否
运行 benchmark 测试。
自定义命令
您还可以使用 COMMANDS_MODULE 设置添加自定义项目命令。有关如何实现命令的示例，请参阅 scrapy commands。
COMMANDS_MODULE
默认值：''（空字符串）
用于查找自定义 Scrapy 命令的模块。用于为您的 Scrapy 项目添加自定义命令。
例：
COMMANDS_MODULE = 'mybot.commands'
通过 setup.py 的 entry points 注册命令
注意：这是一个实验性功能，请谨慎使用。
您还可以在 setup.py 文件的 entry point 中添加 scrapy.commands，从外部库添加 Scrapy 命令。
以下示例添加了 my_command 命令：
from setuptools import setup, find_packages
setup(name='scrapy-mymodule',
entry_points={
'scrapy.commands': [
'my_command=my_scrapy_module.commands:MyCommand',
],
},
)
Scrapy1.4最新官方文档总结 1 介绍·安装
Scrapy1.4最新官方文档总结 2 Tutorial
Scrapy1.4最新官方文档总结 3 命令行工具