文章目录
- python编程快速上手（持续更新中…）
- python爬虫从入门到精通
- Scrapy爬虫框架
- 1. scrapy的概念
- 2. scrapy框架的作用
- 3.scrapy的工作流程
- 3.1 回顾之前的爬虫流程
- 3.2上面的流程可以改写为
- 3.3 scrapy的流程
- 3.4 scrapy的三个内置对象
- 3.5 scrapy中每个模块的具体作用
Scrapy是一个Python编写的开源网络爬虫框架。它是一个被设计用于爬取网络数据、提取结构性数据的框架。
Scrapy 使用了Twisted['tw?st?d]异步网络框架，可以加快我们的下载速度。
Scrapy文档地址：http://scrapy-chs.readthedocs.io/zh_CN/1.0/intro/overview.html
少量的代码，就能够快速的抓取
3.scrapy的工作流程 3.1 回顾之前的爬虫流程 3.2上面的流程可以改写为 3.3 scrapy的流程
其流程可以描述如下：
1.爬虫中起始的url构造成request对象–>爬虫中间件–>引擎–>调度器
2.调度器把request–>引擎–>下载中间件—>下载器
3.下载器发送请求，获取response响应---->下载中间件---->引擎—>爬虫中间件—>爬虫
4.爬虫提取url地址，组装成request对象---->爬虫中间件—>引擎—>调度器，重复步骤2
5.爬虫提取数据—>引擎—>管道处理和保存数据
注意：
图中中文是为了方便理解后加上去的
图中绿色线条的表示数据的传递
注意图中中间件的位置，决定了其作用
注意其中引擎的位置，所有的模块之前相互独立，只和引擎进行交互
request请求对象：由url method post_data headers等构成
response响应对象：由url body status headers等构成
item数据对象：本质是个字典
注意：
爬虫中间件和下载中间件只是运行逻辑的位置不同，作用是重复的：如替换UA等
