前幾天給大家分享了關于Scrapy爬蟲項目運行和調(diào)試的小技巧上篇，沒來得及上車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，給大家分享更為實用的Scrapy項目調(diào)試技巧。

三、設置網(wǎng)站robots.txt規(guī)則為False

一般的，我們在運用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。

在未改動之后settings.py文件中默認爬蟲是遵守網(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，那么爬取的結(jié)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(shù)設置為False，如下圖所示。

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

四、利用Scrapy shell進行調(diào)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(chuàng)建的main.py文件也是可以提高調(diào)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(wǎng)速不穩(wěn)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(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URL對應的網(wǎng)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(wǎng)頁網(wǎng)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(diào)試，當命令執(zhí)行之后，我們就已經(jīng)獲取到了該URL所對應的網(wǎng)頁內(nèi)容，之后我們就可以在該shell下進行調(diào)試，再也不用每次都執(zhí)行Scrapy爬蟲程序，發(fā)起URL請求了。

通過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(diào)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(fā)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。

關于Scrapy爬蟲項目運行和調(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，讓其為自己的項目服務，可以事半功倍噢~~

------------------- End -------------------