PyCharm下进行Scrapy项目的调试

阳光穿透心脏的1/2处 2022-06-15 11:43 222阅读 0赞

> **PyCharm下进行Scrapy项目的调试，可以在爬虫项目的根目录创建一个main.py，然后在PyCharm设置下运行路径，那么就不用每次都在命令行运行代码，直接运行main.py就能启动爬虫了。**

**1、首先创建一个Scrapy项目：**

在命令行输入：

scrapy startproject project_name

project\_name为项目名称，比如我的项目名称为py\_scrapyjobbole，生成的目录为：

![这里写图片描述][SouthEast]

--------------------

**2、创建新的Spider**

在命令行输入：

scrapy genspider jobbole(spider名称) blog.jobbole.com(爬取的起始url)

# -*- coding: utf-8 -*-
    import scrapy
    
    
    class JobboleSpider(scrapy.Spider):
        name = 'jobbole'
        allowed_domains = ['blog.jobbole.com']
        start_urls = ['http://blog.jobbole.com/111322/']
    
        def parse(self, response):
            re_select = response.xpath('//*[@id="post-111322"]/div[1]/h1')
            pass

--------------------

**3、配置setting.py文件（这步很重要）**

BOT_NAME = 'py_scrapyjobbole'
    
    SPIDER_MODULES = ['py_scrapyjobbole.spiders']
    NEWSPIDER_MODULE = 'py_scrapyjobbole.spiders'
    
    # Crawl responsibly by identifying yourself (and your website) on the user-agent
    # USER_AGENT = 'py_scrapyjobbole (+http://www.yourdomain.com)'
    
    # Obey robots.txt rules
    ROBOTSTXT_OBEY = False

`ROBOTSTXT_OBEY = False`**一定要设置成 False，断点调试才能正常进行。**

--------------------

**4、在工程目录下建立main.py文件，稍后将会在这里面进行调试！**

from scrapy.cmdline import execute
    import sys
    import os
    
    # 打断点调试py文件
    # sys.path.append('D:\PyCharm\py_scrapyjobbole')
    sys.path.append(os.path.dirname(os.path.abspath(__file__)))
    print(os.path.dirname(os.path.abspath(__file__)))
    execute(['scrapy', 'crawl', 'jobbole'])

--------------------

**5、进行断点调试**

![这里写图片描述][SouthEast 1]

--------------------

### 附录 ###

**xpath相关知识**

在用Scrapy进行数据爬取时可能会用到xpath相关知识，所以简单地展示一张图：

![这里写图片描述][SouthEast 2]

**在这里面值得注意的是‘’/“和”//“的区别！**

/：代表子元素，选取的元素必须是父子关系

//：代表所有后代元素，选取的元素不一定是父子关系，只要是后代元素即可

不过，大家要是觉得难的话，也可以利用chrome的元素查找功能进行xpath路径的复制：

![这里写图片描述][SouthEast 3]

[SouthEast]: /images/20220615/e508b142d16d4ee582ac5abf66396ca7.png
[SouthEast 1]: /images/20220615/9536310f0eb34c2daf4d0aa0c83f0b0b.png
[SouthEast 2]: /images/20220615/6ebb73917e134382afb07ee1f94dbf5b.png
[SouthEast 3]: /images/20220615/6d9d79eb988b4564aa59181d273fcfb2.png