• Scrapy是用純Python實(shí)現(xiàn)一個(gè)為了爬取網(wǎng)站數(shù)據(jù)、提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架，用途非常廣泛。

• 框架的力量，用戶只需要定制開發(fā)幾個(gè)模塊就可以輕松的實(shí)現(xiàn)一個(gè)爬蟲，用來(lái)抓取網(wǎng)頁(yè)內(nèi)容以及各種圖片，非常之方便。

• Scrapy 使用了 Twisted['tw?st?d](其主要對(duì)手是Tornado)異步網(wǎng)絡(luò)框架來(lái)處理網(wǎng)絡(luò)通訊，可以加快我們的下載速度，不用自己去實(shí)現(xiàn)異步框架，并且包含了各種中間件接口，可以靈活的完成各種需求。

Scrapy架構(gòu)圖(綠線是數(shù)據(jù)流向)：

?

• Scrapy Engine(引擎): 負(fù)責(zé)Spider、ItemPipeline、Downloader、Scheduler中間的通訊，信號(hào)、數(shù)據(jù)傳遞等。

• Scheduler(調(diào)度器): 它負(fù)責(zé)接受引擎發(fā)送過(guò)來(lái)的Request請(qǐng)求，并按照一定的方式進(jìn)行整理排列，入隊(duì)，當(dāng)引擎需要時(shí)，交還給引擎。

• Downloader（下載器）：負(fù)責(zé)下載Scrapy Engine(引擎)發(fā)送的所有Requests請(qǐng)求，并將其獲取到的Responses交還給Scrapy Engine(引擎)，由引擎交給Spider來(lái)處理，

• Spider（爬蟲）：它負(fù)責(zé)處理所有Responses,從中分析提取數(shù)據(jù)，獲取Item字段需要的數(shù)據(jù)，并將需要跟進(jìn)的URL提交給引擎，再次進(jìn)入Scheduler(調(diào)度器)，

• Item Pipeline(管道)：它負(fù)責(zé)處理Spider中獲取到的Item，并進(jìn)行進(jìn)行后期處理（詳細(xì)分析、過(guò)濾、存儲(chǔ)等）的地方.

• Downloader Middlewares（下載中間件）：你可以當(dāng)作是一個(gè)可以自定義擴(kuò)展下載功能的組件。

• Spider Middlewares（Spider中間件）：你可以理解為是一個(gè)可以自定擴(kuò)展和操作引擎和Spider中間通信的功能組件（比如進(jìn)入Spider的Responses;和從Spider出去的Requests）

Scrapy的運(yùn)作流程

代碼寫好，程序開始運(yùn)行...

1. 引擎：Hi！Spider, 你要處理哪一個(gè)網(wǎng)站？

2. Spider：老大要我處理xxxx.com。

3. 引擎：你把第一個(gè)需要處理的URL給我吧。

4. Spider：給你，第一個(gè)URL是xxxxxxx.com。

5. 引擎：Hi！調(diào)度器，我這有request請(qǐng)求你幫我排序入隊(duì)一下。

6. 調(diào)度器：好的，正在處理你等一下。

7. 引擎：Hi！調(diào)度器，把你處理好的request請(qǐng)求給我。

8. 調(diào)度器：給你，這是我處理好的request

9. 引擎：Hi！下載器，你按照老大的下載中間件的設(shè)置幫我下載一下這個(gè)request請(qǐng)求

10. 下載器：好的！給你，這是下載好的東西。（如果失敗：sorry，這個(gè)request下載失敗了。然后引擎告訴調(diào)度器，這個(gè)request下載失敗了，你記錄一下，我們待會(huì)兒再下載）

11. 引擎：Hi！Spider，這是下載好的東西，并且已經(jīng)按照老大的下載中間件處理過(guò)了，你自己處理一下（注意！這兒responses默認(rèn)是交給def parse()這個(gè)函數(shù)處理的）

12. Spider：（處理完畢數(shù)據(jù)之后對(duì)于需要跟進(jìn)的URL），Hi！引擎，我這里有兩個(gè)結(jié)果，這個(gè)是我需要跟進(jìn)的URL，還有這個(gè)是我獲取到的Item數(shù)據(jù)。

13. 引擎：Hi ！管道?我這兒有個(gè)item你幫我處理一下！調(diào)度器！這是需要跟進(jìn)URL你幫我處理下。然后從第四步開始循環(huán)，直到獲取完老大需要全部信息。

14. 管道``調(diào)度器：好的，現(xiàn)在就做！

注意！只有當(dāng)調(diào)度器中不存在任何request了，整個(gè)程序才會(huì)停止，（也就是說(shuō)，對(duì)于下載失敗的URL，Scrapy也會(huì)重新下載。）

制作 Scrapy 爬蟲 一共需要4步：

• 新建項(xiàng)目 (scrapy startproject xxx)：新建一個(gè)新的爬蟲項(xiàng)目
• 明確目標(biāo) （編寫items.py）：明確你想要抓取的目標(biāo)
• 制作爬蟲 （spiders/xxspider.py）：制作爬蟲開始爬取網(wǎng)頁(yè)
• 存儲(chǔ)內(nèi)容 （pipelines.py）：設(shè)計(jì)管道存儲(chǔ)爬取內(nèi)容

總結(jié)

以上是生活随笔為你收集整理的Python:Scrapy 框架简单介绍的全部?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。