1.Scrapy框架介绍与安装
1.1.认识Scrapy
Scrapy框架介绍:
scrapy是有python语言开发的一个快速、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
1.2.Scrapy框架网址:https://scrapyorg/
1.3.scrapy框架的运行流程图
流程图:
1.4scrapy组件:
·引擎(Scrapy)
用来处理整个系统的数据流处理,触发事务(框架核心)
·调度器(Scheduler)
用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回,可以想像成一个URL(抓取网页的网址或者说是链接)的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址。
·下载器(Downloader)
用于下载网页内容, 并将网页内容返回给爬虫(spiders)(Scrapy下载器是建立在twisted这个高效的异步模型上的)。
·爬虫(Spiders)
爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面。
·下载器中间件(Downloader Middlewares)
位于Scrapy引擎和下载器之间的框架,主要是处理Scrapy引擎与下载器之间的请求及响应。
·爬虫中间件(Spider Middlewares)
介于Scrapy引擎和爬虫之间的框架,主要工作是处理蜘蛛的响应输入和请求输出。
·调度中间件(Scheduler Middewares)
介于Scrapy引擎和调度之间的中间件,从Scrapy引擎发送到调度的请求