爬虫系列（十七）：Scrapy Shell

进入项目的根目录，执行下列命令来启动shell:

      scrapy shell "http://www.itcast.cn/channel/teacher.shtml"

image.png

Scrapy Shell根据下载的页面会自动创建一些方便使用的对象，例如 Response 对象，以及 Selector 对象 (对HTML及XML内容)。

• 当shell载入后，将得到一个包含response数据的本地 response 变量，输入 response.body将输出response的包体，输出 response.headers 可以看到response的包头。

• 输入 response.selector 时， 将获取到一个response 初始化的类 Selector 的对象，此时可以通过使用 response.selector.xpath()或response.selector.css() 来对 response 进行查询。

• Scrapy也提供了一些快捷方式, 例如 response.xpath()或response.css()同样可以生效（如之前的案例）。

Selectors选择器

Scrapy Selectors 内置 XPath 和 CSS Selector 表达式机制

Selector有四个基本的方法，最常用的还是xpath:

• xpath(): 传入xpath表达式，返回该表达式所对应的所有节点的selector list列表

• extract(): 序列化该节点为Unicode字符串并返回list

• css(): 传入CSS表达式，返回该表达式所对应的所有节点的selector list列表，语法同 BeautifulSoup4

• re(): 根据传入的正则表达式对数据进行提取，返回Unicode字符串list列表
  XPath表达式的例子及对应的含义:

  /html/head/title: 选择文档中  标签内的 ']
  
      # 打印列表第一个元素，终端编码格式显示
      print response.xpath('//title').extract()[0]
      
  
      # 返回 xpath选择器对象列表
      response.xpath('//title/text()')
      
  
      # 返回列表第一个元素的Unicode字符串
      response.xpath('//title/text()')[0].extract()
      u'\u804c\u4f4d\u641c\u7d22 | \u793e\u4f1a\u62db\u8058 | Tencent \u817e\u8baf\u62db\u8058'
  
      # 按终端编码格式显示
      print response.xpath('//title/text()')[0].extract()
      职位搜索 | 社会招聘 | Tencent 腾讯招聘
  
      response.xpath('//*[@class="even"]')
      职位名称:
  
      print site[0].xpath('./td[1]/a/text()').extract()[0]
      TEG15-运营开发工程师（深圳）
      职位名称详情页:
  
      print site[0].xpath('./td[1]/a/@href').extract()[0]
      position_detail.php?id=20744&keywords=&tid=0&lid=0
      职位类别:
  
      print site[0].xpath('./td[2]/text()').extract()[0]
      技术类
  

  以后做数据提取的时候，可以把现在Scrapy Shell中测试，测试通过后再应用到代码中。
  官方文档：http://scrapy-chs.readthedocs.io/zh_CN/latest/topics/shell.html