scrapy的概念和流程

每日分享：

镜子很脏的时候我们并不会误认为是我们的脸脏，那为什么别人随口说出糟糕的话时，我们要觉得糟糕的是我们自己呢？

融入人群，可以啊，但人群有什么好融入的

所谓的听懂不一定是懂对方对你讲什么，而是懂对方为什么要对你讲

目标：

• 了解scrapy的概念
• 了解scrapy框架的作用
• 掌握scrapy框架的运行流程
• 掌握scrapy中每个模块的作用

一、scrapy的概念

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['twistid]异步网络框架，可以加快我们的下载速度

scrapy文档地址：初窥Scrapy — Scrapy 1.0.5 文档

二、scrapy框架的作用

少量的代码就能快速的抓取

三、scrapy的工作流程 3.1 回顾之前的爬虫流程

3.2 上面的流程可以改为

 3.3 scrapy的流程

流程：

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：

• 绿色线条表示数据的传递
• 中间件的位置决定了其作用
• 所有模块之间相互独立，只和引擎进行交互

3.4 scrapy中的三个内置对象

• 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

3.5 scrapy中每个模块的具体作用

 爬虫中间件和下载中间件只是运行逻辑位置不同，作用是重复的：如替换UA等等