Scrapy 框架介绍

Scrapy 框架

Scrapy,Python开发的一个快速、高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛,可以用于数据挖掘、监测和自动化测试。 Scrapy吸引人的地方在于它是一个框架,任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类,如BaseSpider、sitemap爬虫等,最新版本又提供了web2.0爬虫的支持。 Scrap,是碎片的意思,这个Python的爬虫框架叫Scrapy。

Scrapy运行原理图

Scrapy 框架介绍

scrapy执行流程

  • 一、引擎向spiders要url
  • 二、引擎将要爬取的url给调度器
  • 三、调度器会将url生成请求对象放到指定的队列中
  • 四、从队列中出队一个请求
  • 五、引擎将请求交给下载器进行处理
  • 六、下载器发送请求获取互联网数据
  • 七、下载器将数据返回给引擎
  • 八、引擎将数据再次给spiders
  • 九、spiders解析该数据,得到数据或url
  • 十、spiders将数据或者url给引擎
  • 十一、引擎判断是数据还是url,如果是数据交给管道(item pipeline)处理,是url交给调度器处理
上一篇:IDEA现场离线环境问题总结


下一篇:将scrapy项目变成一个scrapy-redis项目