閱讀本文大約需要 15 分鐘。本文章代碼較多，如果手機(jī)端閱讀體驗(yàn)不好，建議先收藏后在 PC 端閱讀。在上篇文章：Scrapy源碼剖析(一)架構(gòu)概覽，我們主要從整體上了解了 Scrapy 的架構(gòu)和數(shù)據(jù)流轉(zhuǎn)，并沒(méi)有深入分析每個(gè)模塊。從這篇文章開(kāi)始，我將帶你詳細(xì)剖析 Scrapy 的運(yùn)行原理。這篇文章，我們先從最基礎(chǔ)的運(yùn)行入口來(lái)講，來(lái)看一下 Scrapy 究竟是如何運(yùn)行起來(lái)的。

scrapy 命令從哪來(lái)？

當(dāng)我們基于 Scrapy 寫(xiě)好一個(gè)爬蟲(chóng)后，想要把我們的爬蟲(chóng)運(yùn)行起來(lái)，怎么做？非常簡(jiǎn)單，只需要執(zhí)行以下命令就可以了。?scrapy?crawl?通過(guò)這個(gè)命令，我們的爬蟲(chóng)就真正開(kāi)始工作了。那么從命令行到執(zhí)行爬蟲(chóng)邏輯，這個(gè)過(guò)程中到底發(fā)生了什么？在開(kāi)始之前，不知道你有沒(méi)有和我一樣的疑惑，我們執(zhí)行的 scrapy命令從何而來(lái)？實(shí)際上，當(dāng)你成功安裝好 Scrapy 后，使用如下命令，就能找到這個(gè)命令文件，這個(gè)文件就是 Scrapy 的運(yùn)行入口：$?which?scrapy
/usr/local/bin/scrapy使用編輯打開(kāi)這個(gè)文件，你會(huì)發(fā)現(xiàn)，它其實(shí)它就是一個(gè) Python 腳本，而且代碼非常少。import?reimport?sysfrom?scrapy.cmdline?import?executeif?__name__?==?'__main__':
????sys.argv[0]?=?re.sub(r'(-script\.pyw|\.exe)?$',?'',?sys.argv[0])
????sys.exit(execute())安裝好 Scrapy 后，為什么入口點(diǎn)是這里呢？答案就在于 Scrapy 的安裝文件 setup.py中，我們找到這個(gè)文件，就會(huì)發(fā)現(xiàn)在這個(gè)文件里，已經(jīng)聲明好了程序的運(yùn)行入口處：from?os.path?import?dirname,?joinfrom?setuptools?import?setup,?find_packages
setup(
????name='Scrapy',
????version=version,
????url='http://scrapy.org',
????...
????entry_points={??????#?運(yùn)行入口在這里：scrapy.cmdline:execute 'console_scripts':?['scrapy?=?scrapy.cmdline:execute']
????},
????classifiers=[
????????...
????],
????install_requires=[
????????...
????],
)我們需要關(guān)注的是 entry_points配置，它就是調(diào)用 Scrapy 開(kāi)始的地方，也就是cmdline.py的 execute方法。也就是說(shuō)，我們?cè)诎惭b Scrapy 的過(guò)程中，setuptools這個(gè)包管理工具，就會(huì)把上述代碼生成好并放在可執(zhí)行路徑下，這樣當(dāng)我們調(diào)用 scrapy命令時(shí)，就會(huì)調(diào)用 Scrapy 模塊下的 cmdline.py的 execute方法。而且在這這里，我們可以學(xué)到一個(gè)小技巧——如何用 Python 編寫(xiě)一個(gè)可執(zhí)行文件？其實(shí)非常簡(jiǎn)單，模仿上面的思路，只需要以下幾步即可完成：

編寫(xiě)一個(gè)帶有 main 方法的 Python 模塊(首行必須注明 Python 執(zhí)行路徑)

去掉.py后綴名

修改權(quán)限為可執(zhí)行(chmod +x 文件名)

直接用文件名就可以執(zhí)行這個(gè) Python 文件

例如，我們創(chuàng)建一個(gè)文件 mycmd，在這個(gè)文件中編寫(xiě)一個(gè) main方法，這個(gè)方法編寫(xiě)我們想要的執(zhí)行的邏輯，之后執(zhí)行 chmod +x mycmd把這個(gè)文件權(quán)限變成可執(zhí)行，最后通過(guò) ./mycmd就可以執(zhí)行這段代碼了，而不再需要通過(guò) python 方式就可以執(zhí)行了，是不是很簡(jiǎn)單？

運(yùn)行入口(execute.py)

現(xiàn)在，我們已經(jīng)知道了 Scrapy 的運(yùn)行入口是 scrapy/cmdline.py的 execute方法，那我們就看一下這個(gè)方法。def?execute(argv=None,?settings=None):if?argv?is?None:
????????argv?=?sys.argv#?---?兼容低版本scrapy.conf.settings的配置?---if?settings?is?None?and?'scrapy.conf'?in?sys.modules:from?scrapy?import?confif?hasattr(conf,?'settings'):
????????????settings?=?conf.settings#?-----------------------------------------#?初始化環(huán)境、獲取項(xiàng)目配置參數(shù)?返回settings對(duì)象if?settings?is?None:
????????settings?=?get_project_settings()#?校驗(yàn)棄用的配置項(xiàng)
????check_deprecated_settings(settings)#?---?兼容低版本scrapy.conf.settings的配置?---import?warningsfrom?scrapy.exceptions?import?ScrapyDeprecationWarningwith?warnings.catch_warnings():
????????warnings.simplefilter("ignore",?ScrapyDeprecationWarning)from?scrapy?import?conf
????????conf.settings?=?settings#?---------------------------------------#?執(zhí)行環(huán)境是否在項(xiàng)目中?主要檢查scrapy.cfg配置文件是否存在
????inproject?=?inside_project()#?讀取commands文件夾?把所有的命令類(lèi)轉(zhuǎn)換為{cmd_name:?cmd_instance}的字典
????cmds?=?_get_commands_dict(settings,?inproject)#?從命令行解析出執(zhí)行的是哪個(gè)命令
????cmdname?=?_pop_command_name(argv)
????parser?=?optparse.OptionParser(formatter=optparse.TitledHelpFormatter(),?\
????????conflict_handler='resolve')if?not?cmdname:
????????_print_commands(settings,?inproject)
????????sys.exit(0)elif?cmdname?not?in?cmds:
????????_print_unknown_command(settings,?cmdname,?inproject)
????????sys.exit(2)#?根據(jù)命令名稱(chēng)找到對(duì)應(yīng)的命令實(shí)例
????cmd?=?cmds[cmdname]
????parser.usage?=?"scrapy?%s?%s"?%?(cmdname,?cmd.syntax())
????parser.description?=?cmd.long_desc()#?設(shè)置項(xiàng)目配置和級(jí)別為command
????settings.setdict(cmd.default_settings,?priority='command')
????cmd.settings?=?settings#?添加解析規(guī)則
????cmd.add_options(parser)#?解析命令參數(shù)，并交由Scrapy命令實(shí)例處理
????opts,?args?=?parser.parse_args(args=argv[1:])
????_run_print_help(parser,?cmd.process_options,?args,?opts)#?初始化CrawlerProcess實(shí)例?并給命令實(shí)例添加crawler_process屬性
????cmd.crawler_process?=?CrawlerProcess(settings)#?執(zhí)行命令實(shí)例的run方法
????_run_print_help(parser,?_run_command,?cmd,?args,?opts)
????sys.exit(cmd.exitcode)這塊代碼就是 Scrapy 執(zhí)行的運(yùn)行入口了，我們根據(jù)注釋就能看到，這里的主要工作包括配置初始化、命令解析、爬蟲(chóng)類(lèi)加載、運(yùn)行爬蟲(chóng)這幾步。了解了整個(gè)入口的流程，下面我會(huì)對(duì)每個(gè)步驟進(jìn)行詳細(xì)的分析。

初始化項(xiàng)目配置

首先第一步，根據(jù)環(huán)境初始化配置，在這里有一些兼容低版本 Scrapy 配置的代碼，我們忽略就好。我們重點(diǎn)來(lái)看配置是如何初始化的。這主要和環(huán)境變量和 scrapy.cfg有關(guān)，通過(guò)調(diào)用 ?get_project_settings方法，最終生成一個(gè) Settings實(shí)例。def?get_project_settings():#?環(huán)境變量中是否有SCRAPY_SETTINGS_MODULE配置if?ENVVAR?not?in?os.environ:
????????project?=?os.environ.get('SCRAPY_PROJECT',?'default')#?初始化環(huán)境?找到用戶(hù)配置文件settings.py?設(shè)置到環(huán)境變量SCRAPY_SETTINGS_MODULE中
????????init_env(project)#?加載默認(rèn)配置文件default_settings.py?生成settings實(shí)例
????settings?=?Settings()#?取得用戶(hù)配置文件
????settings_module_path?=?os.environ.get(ENVVAR)#?如果有用戶(hù)配置?則覆蓋默認(rèn)配置if?settings_module_path:
????????settings.setmodule(settings_module_path,?priority='project')#?如果環(huán)境變量中有其他scrapy相關(guān)配置也覆蓋
????pickled_settings?=?os.environ.get("SCRAPY_PICKLED_SETTINGS_TO_OVERRIDE")if?pickled_settings:
????????settings.setdict(pickle.loads(pickled_settings),?priority='project')
????env_overrides?=?{k[7:]:?v?for?k,?v?in?os.environ.items()?if
?????????????????????k.startswith('SCRAPY_')}if?env_overrides:
????????settings.setdict(env_overrides,?priority='project')return?settings在初始配置時(shí)，會(huì)加載默認(rèn)的配置文件 default_settings.py，主要邏輯在 Settings類(lèi)中。class?Settings(BaseSettings):def?__init__(self,?values=None,?priority='project'):#?調(diào)用父類(lèi)構(gòu)造初始化
????????super(Settings,?self).__init__()#?把default_settings.py的所有配置set到settings實(shí)例中
????????self.setmodule(default_settings,?'default')#?把a(bǔ)ttributes屬性也set到settings實(shí)例中for?name,?val?in?six.iteritems(self):if?isinstance(val,?dict):
????????????????self.set(name,?BaseSettings(val,?'default'),?'default')
????????self.update(values,?priority)可以看到，首先把默認(rèn)配置文件 default_settings.py中的所有配置項(xiàng)設(shè)置到 Settings中，而且這個(gè)配置是有優(yōu)先級(jí)的。這個(gè)默認(rèn)配置文件 default_settings.py是非常重要的，我們讀源碼時(shí)有必要重點(diǎn)關(guān)注一下里面的內(nèi)容，這里包含了所有組件的默認(rèn)配置，以及每個(gè)組件的類(lèi)模塊，例如調(diào)度器類(lèi)、爬蟲(chóng)中間件類(lèi)、下載器中間件類(lèi)、下載處理器類(lèi)等等。#?下載器類(lèi)
DOWNLOADER?=?'scrapy.core.downloader.Downloader'#?調(diào)度器類(lèi)
CHEDULER?=?'scrapy.core.scheduler.Scheduler'#?調(diào)度隊(duì)列類(lèi)
SCHEDULER_DISK_QUEUE?=?'scrapy.squeues.PickleLifoDiskQueue'
SCHEDULER_MEMORY_QUEUE?=?'scrapy.squeues.LifoMemoryQueue'
SCHEDULER_PRIORITY_QUEUE?=?'scrapy.pqueues.ScrapyPriorityQueue'有沒(méi)有感覺(jué)比較奇怪，默認(rèn)配置中配置了這么多類(lèi)模塊，這是為什么？這其實(shí)是 Scrapy 特性之一，它這么做的好處是：任何模塊都是可替換的。什么意思呢？例如，你覺(jué)得默認(rèn)的調(diào)度器功能不夠用，那么你就可以按照它定義的接口標(biāo)準(zhǔn)，自己實(shí)現(xiàn)一個(gè)調(diào)度器，然后在自己的配置文件中，注冊(cè)自己的調(diào)度器類(lèi)，那么 Scrapy 運(yùn)行時(shí)就會(huì)加載你的調(diào)度器執(zhí)行了，這極大地提高了我們的靈活性！所以，只要在默認(rèn)配置文件中配置的模塊類(lèi)，都是可替換的。

檢查運(yùn)行環(huán)境是否在項(xiàng)目中

初始化完配置之后，下面一步是檢查運(yùn)行環(huán)境是否在爬蟲(chóng)項(xiàng)目中。我們知道，scrapy命令有的是依賴(lài)項(xiàng)目運(yùn)行的，有的命令則是全局的。這里主要通過(guò)就近查找 scrapy.cfg文件來(lái)確定是否在項(xiàng)目環(huán)境中，主要邏輯在 inside_project方法中。def?inside_project():#?檢查此環(huán)境變量是否存在(上面已設(shè)置)
????scrapy_module?=?os.environ.get('SCRAPY_SETTINGS_MODULE')if?scrapy_module?is?not?None:try:
????????????import_module(scrapy_module)except?ImportError?as?exc:
????????????warnings.warn("Cannot?import?scrapy?settings?module?%s:?%s"?%?(scrapy_module,?exc))else:return?True#?如果環(huán)境變量沒(méi)有?就近查找scrapy.cfg?找得到就認(rèn)為是在項(xiàng)目環(huán)境中return?bool(closest_scrapy_cfg())運(yùn)行環(huán)境是否在爬蟲(chóng)項(xiàng)目中的依據(jù)就是能否找到 scrapy.cfg文件，如果能找到，則說(shuō)明是在爬蟲(chóng)項(xiàng)目中，否則就認(rèn)為是執(zhí)行的全局命令。

組裝命令實(shí)例集合

再向下看，就到了加載命令的邏輯了。我們知道 scrapy包括很多命令，例如 scrapy crawl、 scrapy fetch等等，那這些命令是從哪來(lái)的？答案就在 _get_commands_dict方法中。def?_get_commands_dict(settings,?inproject):#?導(dǎo)入commands文件夾下的所有模塊?生成{cmd_name:?cmd}的字典集合
????cmds?=?_get_commands_from_module('scrapy.commands',?inproject)
????cmds.update(_get_commands_from_entry_points(inproject))#?如果用戶(hù)自定義配置文件中有COMMANDS_MODULE配置?則加載自定義的命令類(lèi)
????cmds_module?=?settings['COMMANDS_MODULE']if?cmds_module:
????????cmds.update(_get_commands_from_module(cmds_module,?inproject))return?cmdsdef?_get_commands_from_module(module,?inproject):
????d?=?{}#?找到這個(gè)模塊下所有的命令類(lèi)(ScrapyCommand子類(lèi))for?cmd?in?_iter_command_classes(module):if?inproject?or?not?cmd.requires_project:#?生成{cmd_name:?cmd}字典
????????????cmdname?=?cmd.__module__.split('.')[-1]
????????????d[cmdname]?=?cmd()return?ddef?_iter_command_classes(module_name):#?迭代這個(gè)包下的所有模塊?找到ScrapyCommand的子類(lèi)for?module?in?walk_modules(module_name):for?obj?in?vars(module).values():if?inspect.isclass(obj)?and?\
????????????????????issubclass(obj,?ScrapyCommand)?and?\
????????????????????obj.__module__?==?module.__name__:yield?obj這個(gè)過(guò)程主要是，導(dǎo)入 commands文件夾下的所有模塊，最終生成一個(gè) {cmd_name: cmd}字典集合，如果用戶(hù)在配置文件中也配置了自定義的命令類(lèi)，也會(huì)追加進(jìn)去。也就是說(shuō)，我們自己也可以編寫(xiě)自己的命令類(lèi)，然后追加到配置文件中，之后就可以使用自己定義的命令了。

解析命令

加載好命令類(lèi)后，就開(kāi)始解析我們具體執(zhí)行的哪個(gè)命令了，解析邏輯比較簡(jiǎn)單：def?_pop_command_name(argv):
????i?=?0for?arg?in?argv[1:]:if?not?arg.startswith('-'):del?argv[i]return?arg
????????i?+=?1這個(gè)過(guò)程就是解析命令行，例如執(zhí)行 scrapy crawl ，這個(gè)方法會(huì)解析出 crawl，通過(guò)上面生成好的命令類(lèi)的字典集合，就能找到 commands目錄下的 crawl.py文件，最終執(zhí)行的就是它的 Command類(lèi)。

解析命令行參數(shù)

找到對(duì)應(yīng)的命令實(shí)例后，調(diào)用 cmd.process_options方法解析我們的參數(shù)：def?process_options(self,?args,?opts):#?首先調(diào)用了父類(lèi)的process_options?解析統(tǒng)一固定的參數(shù)
????ScrapyCommand.process_options(self,?args,?opts)try:#?命令行參數(shù)轉(zhuǎn)為字典
????????opts.spargs?=?arglist_to_dict(opts.spargs)except?ValueError:raise?UsageError("Invalid?-a?value,?use?-a?NAME=VALUE",?print_help=False)if?opts.output:if?opts.output?==?'-':
????????????self.settings.set('FEED_URI',?'stdout:',?priority='cmdline')else:
????????????self.settings.set('FEED_URI',?opts.output,?priority='cmdline')
????????feed_exporters?=?without_none_values(
????????????self.settings.getwithbase('FEED_EXPORTERS'))
????????valid_output_formats?=?feed_exporters.keys()if?not?opts.output_format:
????????????opts.output_format?=?os.path.splitext(opts.output)[1].replace(".",?"")if?opts.output_format?not?in?valid_output_formats:raise?UsageError("Unrecognized?output?format?'%s',?set?one""?using?the?'-t'?switch?or?as?a?file?extension""?from?the?supported?list?%s"?%?(opts.output_format,
????????????????????????????????????????????????????????????????tuple(valid_output_formats)))
????????self.settings.set('FEED_FORMAT',?opts.output_format,?priority='cmdline')這個(gè)過(guò)程就是解析命令行其余的參數(shù)，固定參數(shù)解析交給父類(lèi)處理，例如輸出位置等。其余不同的參數(shù)由不同的命令類(lèi)解析。

初始化CrawlerProcess

一切準(zhǔn)備就緒，最后初始化 CrawlerProcess實(shí)例，然后運(yùn)行對(duì)應(yīng)命令實(shí)例的 run方法。cmd.crawler_process?=?CrawlerProcess(settings)
_run_print_help(parser,?_run_command,?cmd,?args,?opts)我們開(kāi)始運(yùn)行一個(gè)爬蟲(chóng)一般使用的是 scrapy crawl ，也就是說(shuō)最終調(diào)用的是 commands/crawl.py的 run方法：def?run(self,?args,?opts):if?len(args)?1:raise?UsageError()elif?len(args)?>?1:raise?UsageError("running?'scrapy?crawl'?with?more?than?one?spider?is?no?longer?supported")
????spname?=?args[0]
????self.crawler_process.crawl(spname,?**opts.spargs)
????self.crawler_process.start()run方法中調(diào)用了 CrawlerProcess實(shí)例的 crawl和 start方法，就這樣整個(gè)爬蟲(chóng)程序就會(huì)運(yùn)行起來(lái)了。我們先來(lái)看CrawlerProcess初始化：class?CrawlerProcess(CrawlerRunner):def?__init__(self,?settings=None):#?調(diào)用父類(lèi)初始化
????????super(CrawlerProcess,?self).__init__(settings)#?信號(hào)和log初始化
????????install_shutdown_handlers(self._signal_shutdown)
????????configure_logging(self.settings)
????????log_scrapy_info(self.settings)其中，構(gòu)造方法中調(diào)用了父類(lèi) CrawlerRunner的構(gòu)造方法：class?CrawlerRunner(object):def?__init__(self,?settings=None):if?isinstance(settings,?dict)?or?settings?is?None:
????????????settings?=?Settings(settings)
????????self.settings?=?settings#?獲取爬蟲(chóng)加載器
????????self.spider_loader?=?_get_spider_loader(settings)
????????self._crawlers?=?set()
????????self._active?=?set()初始化時(shí)，調(diào)用了 _get_spider_loader方法：def?_get_spider_loader(settings):#?讀取配置文件中的SPIDER_MANAGER_CLASS配置項(xiàng)if?settings.get('SPIDER_MANAGER_CLASS'):
????????warnings.warn('SPIDER_MANAGER_CLASS?option?is?deprecated.?''Please?use?SPIDER_LOADER_CLASS.',
????????????category=ScrapyDeprecationWarning,?stacklevel=2
????????)
????cls_path?=?settings.get('SPIDER_MANAGER_CLASS',
????????????????????????????settings.get('SPIDER_LOADER_CLASS'))
????loader_cls?=?load_object(cls_path)try:
????????verifyClass(ISpiderLoader,?loader_cls)except?DoesNotImplement:
????????warnings.warn('SPIDER_LOADER_CLASS?(previously?named?SPIDER_MANAGER_CLASS)?does?''not?fully?implement?scrapy.interfaces.ISpiderLoader?interface.?''Please?add?all?missing?methods?to?avoid?unexpected?runtime?errors.',
????????????category=ScrapyDeprecationWarning,?stacklevel=2
????????)return?loader_cls.from_settings(settings.frozencopy())這里會(huì)讀取默認(rèn)配置文件中的 spider_loader項(xiàng)，默認(rèn)配置是 spiderloader.SpiderLoader類(lèi)，從名字我們也能看出來(lái)，這個(gè)類(lèi)是用來(lái)加載我們編寫(xiě)好的爬蟲(chóng)類(lèi)的，下面看一下這個(gè)類(lèi)的具體實(shí)現(xiàn)。@implementer(ISpiderLoader)class?SpiderLoader(object):def?__init__(self,?settings):#?配置文件獲取存放爬蟲(chóng)腳本的路徑
????????self.spider_modules?=?settings.getlist('SPIDER_MODULES')
????????self._spiders?=?{}#?加載所有爬蟲(chóng)
????????self._load_all_spiders()def?_load_spiders(self,?module):#?組裝成{spider_name:?spider_cls}的字典for?spcls?in?iter_spider_classes(module):
????????????self._spiders[spcls.name]?=?spclsdef?_load_all_spiders(self):for?name?in?self.spider_modules:for?module?in?walk_modules(name):
????????????????self._load_spiders(module)可以看到，在這里爬蟲(chóng)加載器會(huì)加載所有的爬蟲(chóng)腳本，最后生成一個(gè) {spider_name: spider_cls}的字典，所以我們?cè)趫?zhí)行 scarpy crawl 時(shí)，Scrapy 就能找到我們的爬蟲(chóng)類(lèi)。

運(yùn)行爬蟲(chóng)

CrawlerProcess初始化完之后，調(diào)用它的 crawl方法：def?crawl(self,?crawler_or_spidercls,?*args,?**kwargs):#?創(chuàng)建crawler
????crawler?=?self.create_crawler(crawler_or_spidercls)return?self._crawl(crawler,?*args,?**kwargs)def?_crawl(self,?crawler,?*args,?**kwargs):
????self.crawlers.add(crawler)#?調(diào)用Crawler的crawl方法
????d?=?crawler.crawl(*args,?**kwargs)
????self._active.add(d)def?_done(result):
????????self.crawlers.discard(crawler)
????????self._active.discard(d)return?resultreturn?d.addBoth(_done)def?create_crawler(self,?crawler_or_spidercls):if?isinstance(crawler_or_spidercls,?Crawler):return?crawler_or_spiderclsreturn?self._create_crawler(crawler_or_spidercls)def?_create_crawler(self,?spidercls):#?如果是字符串?則從spider_loader中加載這個(gè)爬蟲(chóng)類(lèi)if?isinstance(spidercls,?six.string_types):
????????spidercls?=?self.spider_loader.load(spidercls)#?否則創(chuàng)建Crawlerreturn?Crawler(spidercls,?self.settings)這個(gè)過(guò)程會(huì)創(chuàng)建 Cralwer實(shí)例，然后調(diào)用它的 crawl方法：@defer.inlineCallbacksdef?crawl(self,?*args,?**kwargs):assert?not?self.crawling,?"Crawling?already?taking?place"
????self.crawling?=?Truetry:#?到現(xiàn)在?才是實(shí)例化一個(gè)爬蟲(chóng)實(shí)例
????????self.spider?=?self._create_spider(*args,?**kwargs)#?創(chuàng)建引擎
????????self.engine?=?self._create_engine()#?調(diào)用爬蟲(chóng)類(lèi)的start_requests方法
????????start_requests?=?iter(self.spider.start_requests())#?執(zhí)行引擎的open_spider?并傳入爬蟲(chóng)實(shí)例和初始請(qǐng)求yield?self.engine.open_spider(self.spider,?start_requests)yield?defer.maybeDeferred(self.engine.start)except?Exception:if?six.PY2:
????????????exc_info?=?sys.exc_info()
????????self.crawling?=?Falseif?self.engine?is?not?None:yield?self.engine.close()if?six.PY2:
????????????six.reraise(*exc_info)raisedef?_create_spider(self,?*args,?**kwargs):return?self.spidercls.from_crawler(self,?*args,?**kwargs)到這里，才會(huì)對(duì)我們的爬蟲(chóng)類(lèi)創(chuàng)建一個(gè)實(shí)例對(duì)象，然后創(chuàng)建引擎，之后調(diào)用爬蟲(chóng)類(lèi)的 start_requests方法獲取種子 URL，最后交給引擎執(zhí)行。最后來(lái)看 Cralwer是如何開(kāi)始運(yùn)行的額，也就是它的 start方法：def?start(self,?stop_after_crawl=True):if?stop_after_crawl:
????????d?=?self.join()if?d.called:return
????????d.addBoth(self._stop_reactor)
????reactor.installResolver(self._get_dns_resolver())#?配置reactor的池子大小(可修改REACTOR_THREADPOOL_MAXSIZE調(diào)整)
????tp?=?reactor.getThreadPool()
????tp.adjustPoolsize(maxthreads=self.settings.getint('REACTOR_THREADPOOL_MAXSIZE'))
????reactor.addSystemEventTrigger('before',?'shutdown',?self.stop)#?開(kāi)始執(zhí)行
????reactor.run(installSignalHandlers=False)在這里有一個(gè)叫做 reactor的模塊。reactor是個(gè)什么東西呢？它是 Twisted模塊的事件管理器，我們只要把需要執(zhí)行的事件注冊(cè)到 reactor中，然后調(diào)用它的 run方法，它就會(huì)幫我們執(zhí)行注冊(cè)好的事件，如果遇到網(wǎng)絡(luò)IO等待，它會(huì)自動(dòng)幫切換到可執(zhí)行的事件上，非常高效。在這里我們不用深究 reactor是如何工作的，你可以把它想象成一個(gè)線(xiàn)程池，只是采用注冊(cè)回調(diào)的方式來(lái)執(zhí)行事件。到這里，Scrapy 運(yùn)行的入口就分析完了，之后爬蟲(chóng)的調(diào)度邏輯就交由引擎 ExecuteEngine處理了，引擎會(huì)協(xié)調(diào)多個(gè)組件，相互配合完成整個(gè)任務(wù)的執(zhí)行。

總結(jié)

總結(jié)一下，Scrapy 在真正運(yùn)行前，需要做的工作包括配置環(huán)境初始化、命令類(lèi)的加載、爬蟲(chóng)模塊的加載，以及命令類(lèi)和參數(shù)解析，之后運(yùn)行我們的爬蟲(chóng)類(lèi)，最終，這個(gè)爬蟲(chóng)類(lèi)的調(diào)度交給引擎處理。這里我把整個(gè)流程也總結(jié)成了思維導(dǎo)圖，方便你理解：好了，Scrapy 是如何運(yùn)行的代碼剖析就先分析到這里，下篇文章我們會(huì)深入剖析各個(gè)核心組件，分析它們都是負(fù)責(zé)做什么工作的，以及它們之間又是如何協(xié)調(diào)完成抓取任務(wù)的，敬請(qǐng)期待。近期文章推薦：Scrapy源碼剖析(一)架構(gòu)概覽如何構(gòu)建一個(gè)通用的垂直爬蟲(chóng)平臺(tái)？如何搭建一個(gè)爬蟲(chóng)代理服務(wù)？

---

長(zhǎng)按關(guān)注「水滴與銀彈」公眾號(hào)，7年資深后端研發(fā)，和你分享更多優(yōu)質(zhì)技術(shù)干貨。

總結(jié)

以上是生活随笔為你收集整理的cmd怎么运行http_Scrapy源码剖析（二）Scrapy是如何运行起来的？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。