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)台腥、提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架，用途非常廣泛知市。
框架的力量量瓜，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)容以及各種圖片柿赊，非常之方便俩功。
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碰声，不用自己去實(shí)現(xiàn)異步框架诡蜓，并且包含了各種中間件接口，可以靈活的完成各種需求胰挑。
組件
Scrapy Engine(引擎): 負(fù)責(zé)Spider蔓罚、ItemPipeline、Downloader瞻颂、Scheduler中間的通訊豺谈，信號(hào)、數(shù)據(jù)傳遞等贡这。
Scheduler(調(diào)度器): 它負(fù)責(zé)接受引擎發(fā)送過來的Request請(qǐng)求茬末，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)丽惭，交還給引擎击奶。
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)责掏，由引擎交給Spider來處理柜砾，
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)换衬，并將需要跟進(jìn)的URL提交給引擎痰驱，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冗疮，并進(jìn)行進(jìn)行后期處理（詳細(xì)分析萄唇、過濾、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)展下載功能的組件术幔。
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）
Ubuntu 安裝方式
sudo pip3 install scrapy
