🕷️ The BEST Web Scraping framework that handles everything from a single request to a full-scale crawl! Don't be shy, join here: https://discord.gg/EMgGbDceNQ and follow here for daily tips and tricks: https://x.com/Scrapling_dev
title: "Teste a extração de dados no shell interativo do Scrapling" description: "Obtenha páginas, teste seletores e confira resultados em um shell do IPython. Converta comandos curl, reutilize respostas recentes e teste seu código de extração."
Guia do shell interativo do Scrapling {#scrapling-interactive-shell-guide}
Um ambiente REPL de extração de dados web para desenvolvedores e cientistas de dados
O shell interativo do Scrapling é um ambiente baseado no IPython, feito para extrair dados web. Ele oferece acesso imediato a todas as funções do Scrapling, atalhos úteis, gerenciamento automático de páginas e ferramentas como a conversão de comandos curl.
!!! success "Antes de começar"
1. Leia a página de [conceitos básicos dos fetchers](../fetching/choosing.md) para entender o que é o [objeto Response](../fetching/choosing.md#response-object) e qual fetcher usar.
2. Leia a página de [seleção de elementos](../parsing/selection.md) para aprender a buscar e extrair elementos de um objeto [Selector](../parsing/main_classes.md#selector)/[Response](../fetching/choosing.md#response-object).
3. Leia a página de [classes principais](../parsing/main_classes.md) para conhecer as propriedades e os métodos que a classe [Response](../fetching/choosing.md#response-object) herda de [Selector](../parsing/main_classes.md#selector).
4. Leia pelo menos uma página da seção de fetchers para as solicitações que você usará aqui: [solicitações HTTP](../fetching/static.md) ou [obtenção com navegador](../fetching/stealthy.md).
Por que usar o shell interativo? {#why-use-the-interactive-shell}
Com o shell interativo, você pode explorar e testar na hora, sem precisar editar e executar um script a cada tentativa. Ele é útil para:
- Criar protótipos rápidos: Teste estratégias de extração na hora.
- Explorar dados: Navegue por sites e extraia dados de forma interativa.
- Aprender Scrapling: Experimente as funções em tempo real.
- Depurar scrapers: Confira as solicitações e seus resultados passo a passo.
- Converter processos: Transforme um comando curl das DevTools do navegador em uma solicitação de Fetcher com uma linha.
Primeiros passos {#getting-started}
Iniciar o shell {#launch-the-shell}
# Start the interactive shell
scrapling shell
# Execute code and exit (useful for scripting)
scrapling shell -c "get('https://quotes.toscrape.com'); print(len(page.css('.quote')))"
# Set logging level
scrapling shell --loglevel info
Ao abrir o shell, você verá o banner do Scrapling e poderá começar a extrair dados, como no vídeo acima:
# No imports needed - everything is ready!
get('https://news.ycombinator.com')
# Explore the page structure
page.css('a')[:5] # Look at first 5 links
# Refine your selectors
stories = page.css('.titleline>a')
len(stories) # 30
# Extract specific data
for story in stories[:3]:
title = story.text
url = story['href']
print(f"{title}: {url}")
# Try different approaches
titles = page.css('.titleline>a::text') # Direct text extraction
urls = page.css('.titleline>a::attr(href)') # Direct attribute extraction
Atalhos integrados {#built-in-shortcuts}
O shell oferece atalhos para evitar código repetido:
get(url, **kwargs)- Solicitação HTTP GET (em vez deFetcher.get).post(url, **kwargs)- Solicitação HTTP POST (em vez deFetcher.post).put(url, **kwargs)- Solicitação HTTP PUT (em vez deFetcher.put).delete(url, **kwargs)- Solicitação HTTP DELETE (em vez deFetcher.delete).fetch(url, **kwargs)- Obtenção com o navegador Stealthy (em vez deStealthyFetcher.fetch).
As classes mais usadas já estão disponíveis sem importação, incluindo Fetcher, AsyncFetcher, StealthyFetcher e Selector.
Gerenciamento automático de páginas {#smart-page-management}
O shell acompanha suas solicitações e páginas:
Acesso à página atual
pageeresponsesão atualizados automaticamente com a última página obtida:get('https://quotes.toscrape.com') # 'page' and 'response' both refer to the last fetched page page.url # 'https://quotes.toscrape.com' response.status # Prints 200; Same as page.statusHistórico de páginas
pagesmantém as últimas cinco páginas em um objetoSelectors:get('https://site1.com') get('https://site2.com') get('https://site3.com') # Access last 5 pages len(pages) # `Selectors` object with `page` history -> 3 pages[0].url # First page in history -> 'https://site1.com' pages[-1].url # Most recent page -> 'https://site3.com' # Work with historical pages for i, old_page in enumerate(pages): print(f"Page {i}: {old_page.url} - {old_page.status}")
Outros comandos úteis {#additional-helpful-commands}
Ver a página {#page-visualization}
Abra as páginas obtidas no seu navegador:
get('https://quotes.toscrape.com')
view(page) # Opens the page HTML in your default browser
Integração com comandos curl {#curl-command-integration}
O shell inclui as funções uncurl e curl2fetcher para converter comandos curl das DevTools do navegador em solicitações de Fetcher.
Primeiro, copie uma solicitação como comando curl:
Converter um comando curl em um objeto de solicitação
curl_cmd = '''curl 'https://scrapling.requestcatcher.com/post' \ -X POST \ -H 'Content-Type: application/json' \ -d '{"name": "test", "value": 123}' ''' request = uncurl(curl_cmd) request.method # -> 'post' request.url # -> 'https://scrapling.requestcatcher.com/post' request.headers # -> {'Content-Type': 'application/json'}Executar um comando curl diretamente
# Convert and execute in one step curl2fetcher(curl_cmd) page.status # -> 200
Funções do IPython {#ipython-features}
O shell herda todas as funções do IPython:
# Magic commands
%time page = get('https://example.com') # Time execution
%history # Show command history
%save filename.py 1-10 # Save commands 1-10 to file
# Tab completion works everywhere
page.c<TAB> # Shows: css, cookies, headers, etc.
Fetcher.<TAB> # Shows all Fetcher methods
# Object inspection
get? # Show get documentation
Exemplos {#examples}
Estes são alguns exemplos gerados com IA:
Coletar dados de lojas online {#e-commerce-data-collection}
# Start with product listing page
catalog = get('https://shop.example.com/products')
# Find product links
product_links = catalog.css('.product-link::attr(href)').getall()
print(f"Found {len(product_links)} products")
# Sample a few products first
for link in product_links[:3]:
product = get(catalog.urljoin(link))
name = product.css('.product-name::text').get('')
price = product.css('.price::text').get('')
print(f"{name}: {price}")
# Scale up with sessions for efficiency
from scrapling.fetchers import FetcherSession
with FetcherSession() as session:
products = []
for link in product_links:
product = session.get(catalog.urljoin(link))
products.append({
'name': product.css('.product-name::text').get(''),
'price': product.css('.price::text').get(''),
'url': link
})
Integrar e testar APIs {#api-integration-and-testing}
>>> # Test API endpoints interactively
>>> response = get('https://jsonplaceholder.typicode.com/posts/1')
>>> response.json()
{'userId': 1, 'id': 1, 'title': 'sunt aut...', 'body': 'quia et...'}
>>> # Test POST requests
>>> new_post = post('https://jsonplaceholder.typicode.com/posts',
... json={'title': 'Test Post', 'body': 'Test content', 'userId': 1})
>>> new_post.json()['id']
101
>>> # Test with different data
>>> updated = put('https://jsonplaceholder.typicode.com/posts/1',
... json={'title': 'Updated Title'})
Obter ajuda {#getting-help}
Se você precisar de mais ajuda do que a disponível no terminal, consulte:
É isso! Boa extração. O shell torna a extração de dados web tão fácil quanto uma conversa.