在使用Scrapy框架进行爬虫时,执行爬虫文件的方法是 scrapy crawl xxx ,其中 xxx 是爬虫文件名。

但是,当我们在建立了多个文件时,使用上面的命令时会比较繁琐麻烦,我们就可以使用下述方法同时完成爬虫文件的执行。

第一种,在scrapy框架下建立一个运行文件,如 run.py ,在文件中建立一个列表,列表为爬虫的执行命令,最后通过循环执行 execute() 函数完成执行。执行时使用 python run.py 命令即可。如下面的代码所示

from scrapy.cmdline import execute
'''
想要学习Python?Python学习交流群:973783996满足你的需求,资料都已经上传群文件,可以自行下载!
'''
spiders = [
    'scrapy crawl liepin',
    'scrapy crawl lagou'
]
 
if __name__ == '__main__':
    for i in spiders:
        execute(i.split())

第二种,我们还可以使用自定义项目命令 COMMANDS_MODULE 添加自己的命令完成执行。

在爬虫文件所属的文件夹同级目录下创建任意目录,如command,在文件夹下创建命令文件,如crawlall.py,此文件的名称就是我们自定义的命令。例子代码如下

from scrapy.commands import ScrapyCommand
from scrapy.utils.project import get_project_settings
 
class Command(ScrapyCommand):
    requires_project = True
 
    def run(self,args,opts):
        spiders_list = self.crawler_process.spiders.list()
        for name in spiders_list:
            self.crawler_process.crawl(name,**opts.__dict__)
 
        self.crawler_process.start()

在scrapy项目的配置文件 settings.py 中添加  COMMANDS_MODULE = '项目名称.目录名称' 。至此命令添加完成,最后执行命令  scrapy xxx 进行执行(此处的xxx就是上面建立的文件名,如 scrapy crawlall )。


本文转载:CSDN博客