Scrapy 框架
- Scrapy是用純Python實(shí)現(xiàn)一個(gè)為了爬取網(wǎng)站數(shù)據(jù)黍特、提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架触创，用途非常廣泛瘟滨。
- 框架的力量候醒，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，用來抓取網(wǎng)頁內(nèi)容以及各種圖片杂瘸，非常之方便倒淫。
- Scrapy 使用了 Twisted['tw?st?d] 異步網(wǎng)絡(luò)框架來處理網(wǎng)絡(luò)通訊，可以加快我們的下載速度败玉，不用自己去實(shí)現(xiàn)異步框架敌土，并且包含了各種中間件接口，可以靈活的完成各種需求运翼。
Scrapy架構(gòu)圖(綠線是數(shù)據(jù)流向)：
image.png
- Scrapy Engine(引擎): 負(fù)責(zé)Spider返干、ItemPipeline血淌、Downloader矩欠、Scheduler中間的通訊，信號(hào)悠夯、數(shù)據(jù)傳遞等癌淮。
- Scheduler(調(diào)度器): 它負(fù)責(zé)接受引擎發(fā)送過來的Request請(qǐng)求，并按照一定的方式進(jìn)行整理排列沦补，入隊(duì)乳蓄，當(dāng)引擎需要時(shí)，交還給引擎夕膀。
- Downloader（下載器）: 負(fù)責(zé)下載Scrapy Engine(引擎)發(fā)送的所有Requests請(qǐng)求虚倒，并將其獲取到的Responses交還給Scrapy Engine(引擎)，由引擎交給Spider來處理产舞，
- Spider（爬蟲）:它負(fù)責(zé)處理所有Responses,從中分析提取數(shù)據(jù)魂奥，獲取Item字段需要的數(shù)據(jù)，并將需要跟進(jìn)的URL提交給引擎庞瘸，再次進(jìn)入Scheduler(調(diào)度器)捧弃，
- Item Pipeline(管道): 它負(fù)責(zé)處理Spider中獲取到的Item赠叼，并進(jìn)行進(jìn)行后期處理（詳細(xì)分析擦囊、過濾违霞、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）
