前幾天給大家分享了關(guān)于Scrapy爬蟲(chóng)項(xiàng)目運(yùn)行和調(diào)試的小技巧上篇，沒(méi)來(lái)得及上車(chē)的小伙伴可以戳超鏈接看一下。今天小編繼續(xù)沿著上篇的思路往下延伸，給大家分享更為實(shí)用的Scrapy項(xiàng)目調(diào)試技巧。

三、設(shè)置網(wǎng)站robots．txt規(guī)則為False

一般的，我們?cè)谶\(yùn)用Scrapy框架抓取數(shù)據(jù)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(dòng)之后settings．py文件中默認(rèn)爬蟲(chóng)是遵守網(wǎng)站的robots．txt規(guī)則的，如下圖所示。

如果遵守robots．txt規(guī)則的話(huà)，那么爬取的結(jié)果會(huì)自動(dòng)過(guò)濾掉很多我們想要的目標(biāo)信息，因此有必要將該參數(shù)設(shè)置為False，如下圖所示。

設(shè)置好robots．txt規(guī)則之后，我們便可以抓到更多網(wǎng)頁(yè)的信息。

四、利用Scrapy shell進(jìn)行調(diào)試

通常我們要運(yùn)行Scrapy爬蟲(chóng)程序的時(shí)候會(huì)在命令行中輸入“scrapy crawl crawler＿name”，細(xì)心的小伙伴應(yīng)該知道上篇文章中創(chuàng)建的main．py文件也是可以提高調(diào)試效率的，不過(guò)這兩種方法都是需要從頭到尾運(yùn)行Scrapy爬蟲(chóng)項(xiàng)目，每次都需要請(qǐng)求一次URL，效率十分低。運(yùn)行過(guò)Scrapy爬蟲(chóng)項(xiàng)目的小伙伴都知道Scrapy運(yùn)行的時(shí)候相對(duì)較慢，有時(shí)候因?yàn)榫W(wǎng)速不穩(wěn)定，根部就無(wú)法動(dòng)彈。針對(duì)每次都需要運(yùn)行Scrapy爬蟲(chóng)的問(wèn)題，這里介紹Scrapy shell調(diào)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(gè)URL對(duì)應(yīng)的網(wǎng)頁(yè)源碼。在命令行中進(jìn)行運(yùn)行，其語(yǔ)法命令是“scrapy shell URL”，URL是指你需要抓取的網(wǎng)頁(yè)網(wǎng)址或者鏈接，如下圖所示。

該命令代表的意思是對(duì)該URL進(jìn)行調(diào)試，當(dāng)命令執(zhí)行之后，我們就已經(jīng)獲取到了該URL所對(duì)應(yīng)的網(wǎng)頁(yè)內(nèi)容，之后我們就可以在該shell下進(jìn)行調(diào)試，再也不用每次都執(zhí)行Scrapy爬蟲(chóng)程序，發(fā)起URL請(qǐng)求了。

通過(guò)shell腳本這種方式可以極大的提高調(diào)試的效率，具體的調(diào)試方法同爬蟲(chóng)主體文件中的表達(dá)式語(yǔ)法一致。舉個(gè)栗子，如下圖所示。

將兩個(gè)Xpath表達(dá)式所對(duì)應(yīng)的選擇器放到scrapy shell調(diào)試的腳本下，我們可以很清楚的看到提取的目標(biāo)信息，而且省去了每次運(yùn)行Scrapy爬蟲(chóng)程序的重復(fù)步驟，提高了開(kāi)發(fā)效率。這種方式在Scrapy爬蟲(chóng)過(guò)程中十分常用，而且也十分的實(shí)用，希望小伙伴們都可以掌握，并且積極主動(dòng)的為自己所用。

關(guān)于Scrapy爬蟲(chóng)項(xiàng)目運(yùn)行和調(diào)試的部分小技巧先分享到這里，尤其是Debug調(diào)試和Scrapy shell調(diào)試極為常用，希望小伙伴們可以多多利用起來(lái)，讓其為自己的項(xiàng)目服務(wù)，可以事半功倍噢～～