🕷️ 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: "Проверка сбора данных в интерактивной оболочке Scrapling" description: "Загружайте страницы, пробуйте селекторы и изучайте результаты в IPython. Преобразуйте команды curl, повторно используйте недавние ответы и проверяйте код сбора данных."
Интерактивная оболочка Scrapling {#scrapling-interactive-shell-guide}
Среда REPL для разработчиков и специалистов по данным, работающих с веб-скрейпингом
Интерактивная оболочка Scrapling расширяет IPython для задач сбора данных с сайтов. Все возможности Scrapling доступны сразу. В ней есть удобные сокращения, автоматическое управление страницами и инструменты вроде преобразования команд curl.
!!! success "Перед началом"
1. Прочитайте [основы Fetcher](../fetching/choosing.md), чтобы понять, что такое [объект Response](../fetching/choosing.md#response-object) и какой Fetcher выбрать.
2. Прочитайте [поиск элементов](../parsing/selection.md), чтобы научиться находить и извлекать элементы из [Selector](../parsing/main_classes.md#selector)/[Response](../fetching/choosing.md#response-object).
3. Прочитайте [основные классы](../parsing/main_classes.md), чтобы узнать, какие свойства и методы [Response](../fetching/choosing.md#response-object) наследует от [Selector](../parsing/main_classes.md#selector).
4. Прочитайте хотя бы одну страницу о Fetcher, который будете использовать: [HTTP-запросы](../fetching/static.md) или [загрузка через браузер](../fetching/stealthy.md).
Зачем нужна интерактивная оболочка {#why-use-the-interactive-shell}
Оболочка позволяет быстро пробовать разные подходы, вместо того чтобы каждый раз писать и запускать скрипт. Она подходит для следующих задач:
- Быстрые прототипы: сразу проверяйте способы сбора данных.
- Изучение данных: переходите по сайту и извлекайте данные в диалоге с оболочкой.
- Изучение Scrapling: пробуйте функции на практике.
- Отладка: выполняйте запросы по шагам и проверяйте результаты.
- Преобразование рабочих запросов: превращайте команду curl из DevTools браузера в запрос Fetcher одной строкой.
Начало работы {#getting-started}
Запуск оболочки {#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
После запуска появится баннер Scrapling. Можно сразу начинать сбор данных, как в видео выше:
# 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
Встроенные сокращения {#built-in-shortcuts}
Оболочка предоставляет сокращения, чтобы не писать повторяющийся код:
get(url, **kwargs): HTTP GET-запрос вместоFetcher.get.post(url, **kwargs): HTTP POST-запрос вместоFetcher.post.put(url, **kwargs): HTTP PUT-запрос вместоFetcher.put.delete(url, **kwargs): HTTP DELETE-запрос вместоFetcher.delete.fetch(url, **kwargs): загрузка через скрытный браузер вместоStealthyFetcher.fetch.
Часто используемые классы уже доступны без импорта, в том числе Fetcher, AsyncFetcher, StealthyFetcher и Selector.
Автоматическое управление страницами {#smart-page-management}
Оболочка автоматически отслеживает запросы и страницы:
Доступ к текущей странице
pageиresponseавтоматически обновляются и содержат последнюю загруженную страницу: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.statusИстория страниц
pagesхранит последние пять страниц в объектеSelectors: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}")
Другие полезные команды {#additional-helpful-commands}
Просмотр страницы {#page-visualization}
Откройте загруженную страницу в браузере:
get('https://quotes.toscrape.com')
view(page) # Opens the page HTML in your default browser
Работа с командами curl {#curl-command-integration}
Для преобразования команд curl из DevTools браузера в запросы Fetcher есть функции uncurl и curl2fetcher.
Сначала скопируйте запрос как команду curl:
Преобразование команды curl в объект Request
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'}Прямое выполнение команды curl
# Convert and execute in one step curl2fetcher(curl_cmd) page.status # -> 200
Возможности IPython {#ipython-features}
Оболочка поддерживает все возможности 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
Примеры {#examples}
Несколько примеров, созданных с помощью ИИ:
Сбор данных интернет-магазина {#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
})
Интеграция и проверка API {#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'})
Помощь {#getting-help}
Если встроенной справки терминала недостаточно, используйте:
На этом всё. Удачного сбора данных! Оболочка позволяет работать с сайтами так же просто, как вести беседу.