美文网首页
爬虫scrapy框架(1)

爬虫scrapy框架(1)

作者: 猛犸象和剑齿虎 | 来源:发表于2019-05-26 05:36 被阅读0次
t013b9c86f5a43c0037.jpg

框架的概念

  • 当爬虫代码到后期,大家会发现代码越来越复杂,越来越抽象,越来越复杂,而在项目中,一些通用的东西封装起来,开发者只需要关注变量部分,几个模块就能让系统高效的运行,框架技术应运而生。
  • scrapy框架是python实现为了爬取网站资源,提取结构数据而编写的应用框架。
  • 当一开始接触框架会觉的框架特别的抽象,麻烦,这是正常现象,甚至不用框架反而觉得简单,但是了解框架以后你会觉得框架十分的便利,所以在学习框架技术时,大家一定要有耐心。

scrapy下载办法

  • pip install scrapy
  • 虽然看起来很简单,但是初次安装scrapy有很多依赖包,和数不清的坎,小道初次安装用的xp系统,各种不行,也翻了很多的网站和资料来看,最终还是重装了win7系统(64位),才安装成功,期间安装了visul c++14.0才最终解决,windows系统安装python包本身就不是特别方便。

scrapy框架工作流程

938880-20160831175552433-604551135.png

当道友初次看到这张图的时候一定有点蒙,感觉完全是个全新的东西,完全无从下手和觉得抽象,小道也是一样的。
当然基础的东西还是要稍微理解一点。

①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)
  ②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, <br data-filtered="filtered">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
  ③下载器(Downloader)
用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)
  ④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
  ⑤项目管道(Pipeline)
负责处理爬虫从网页中抽取的实体,主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后,<br data-filtered="filtered">将被发送到项目管道,并经过几个特定的次序处理数据。
  ⑥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。
  ⑦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。
  ⑧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和响应。

Scrapy运行流程
引擎从调度器中取出一个链接(URL)用于接下来的抓取
引擎把URL封装成一个请求(Request)传给下载器
下载器把资源下载下来,并封装成应答包(Response)
爬虫解析Response
解析出实体(Item),则交给实体管道进行进一步的处理
解析出的是链接(URL),则把URL交给调度器等待抓取

制作Scrapy框架步骤

  • 新建项目:scrapy startproject xxx
  • 明确目标:编写items.py
  • 制作爬虫:制作爬虫爬取网页
  • 存储内容:设计管道存储爬取内容

新建scrapy项目

  • 首先在桌面新建一个文件夹,或者其他盘也行。


    image.png
  • 按住shift,点击右键,在此处打开命令窗口,当然也可以cd命令进入相应路径。


    image.png
  • 然后输入命令: image.png
image.png
这时文件中会出现一个新的文件夹,打开文件夹看看。 image.png
image.png

项目文件就在这里。

相关文章

网友评论

      本文标题:爬虫scrapy框架(1)

      本文链接:https://www.haomeiwen.com/subject/edsizqtx.html