Python3爬蟲之Scrapy框架入門

Python3爬蟲之Scrapy框架

Scrapy架構圖

在這里插入圖片描述

Scrapy Engine(引擎): 負責Spider、ItemPipeline、Downloader、Scheduler中間的通訊，信號、數據傳遞等。
Scheduler(調度器): 它負責接受引擎發送過來的Request請求，并按照一定的方式進行整理排列，入隊，當引擎需要時，交還給引擎。
Downloader（下載器）：負責下載Scrapy Engine(引擎)發送的所有Requests請求，并將其獲取到的Responses交還給Scrapy Engine(引擎)，由引擎交給Spider來處理，
Spider（爬蟲）：它負責處理所有Responses,從中分析提取數據，獲取Item字段需要的數據，并將需要跟進的URL提交給引擎，再次進入Scheduler(調度器).
Item Pipeline(管道)：它負責處理Spider中獲取到的Item，并進行進行后期處理（詳細分析、過濾、存儲等）的地方。
Downloader Middlewares（下載中間件）：你可以當作是一個可以自定義擴展下載功能的組件。
Spider Middlewares（Spider中間件）：你可以理解為是一個可以自定擴展和操作引擎和Spider中間通信的功能組件（比如進入Spider的Responses;和從Spider出去的Requests）

Scrapy的運作流程

代碼寫好，程序開始運行…

1 引擎：Hi！Spider, 你要處理哪一個網站？
2 Spider：老大要我處理xxxx.com。
3 引擎：你把第一個需要處理的URL給我吧。
4 Spider：給你，第一個URL是xxxxxxx.com。
5 引擎：Hi！調度器，我這有request請求你幫我排序入隊一下。
6 調度器：好的，正在處理你等一下。
7 引擎：Hi！調度器，把你處理好的request請求給我。
8 調度器：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置幫我下載一下這個request請求
10 下載器：好的！給你，這是下載好的東西。（如果失敗：sorry，這個request下載失敗了。然后引擎告訴調度器，這個request下載失敗了，你記錄一下，我們待會兒再下載）
11 引擎：Hi！Spider，這是下載好的東西，并且已經按照老大的下載中間件處理過了，你自己處理一***意！這兒responses默認是交給def parse()這個函數處理的）
12 Spider：（處理完畢數據之后對于需要跟進的URL），Hi！引擎，我這里有兩個結果，這個是我需要跟進的URL，還有這個是我獲取到的Item數據。
13 引擎：Hi ！管道我這兒有個item你幫我處理一下！調度器！這是需要跟進URL你幫我處理下。然后從第四步開始循環，直到獲取完老大需要全部信息。
14 管道調度器：好的，現在就做！

注意！只有當調度器中不存在任何request了，整個程序才會停止，（也就是說，對于下載失敗的URL，Scrapy也會重新下載。）

Scrapy 安裝

pip install Scrapy

制作 Scrapy 爬蟲四板斧

新建項目 (scrapy startproject xxx)：新建一個新的爬蟲項目
明確目標（編寫items.py）：明確你想要抓取的目標
制作爬蟲（spiders/xxspider.py）：制作爬蟲開始爬取網頁
存儲內容（pipelines.py）：設計管道存儲爬取內容

入門項目

? 需求：爬取傳智講師姓名、職位、個人信息

y）：設計管道存儲爬取內容

入門項目

? 需求：爬取傳智講師姓名、職位、個人信息

點擊進入項目篇詳解

Python系列CSDN博客地址：

如需更系統學習，下面是博主關于Python爬蟲的系列學習博客

Python3爬蟲入門（快速簡易）
Python3爬蟲系列之urllib庫
Python3爬蟲之request庫
Python3爬蟲之XPath語法和lxml模塊
Python3爬蟲之數據存儲
Python3爬蟲之Scrapy框架入門
Python3爬蟲入門案例Scrapy爬取傳智講師個人信息
Python3爬蟲之Scrapy框架模擬登陸人人網
Python3爬蟲之Scrapy框架的下載器中間件
Python3反反爬蟲之Scrapy設置隨機請求頭

本文鏈接：https://blog.csdn.net/JunSIrhl/article/details/102577265

智能推薦

Scrapy框架入門

Scrapy簡介 Scrapy框架是使用Python開發的一個快速、高層次的屏幕抓取和web抓取框架，用于抓取web站點并從頁面中提取結構化的數據。Scrapy用途廣泛，可以用于數據挖掘、監測和自動化測試 Scrapy不僅有單機版，開發者還可以使用其集群版Scrapy-redis開發分布式爬蟲程序，分布式爬蟲有更快的速度和更高的效率 Scrapy用途非常廣泛，用戶只需要定制開發幾個模塊就可以輕松的...

scrapy框架入門

scrapy框架入門一、Scrapy框架介紹 1.框架簡介 Scrapy是純Python開發的一個高效，結構化的網頁抓取框架 Scrapy使用了Twisted 異步網絡庫來處理網絡通訊 Scrapy是為了爬取網站數據，提取結構性數據而編寫的應用框架 Scrapy用途廣泛，可以用于數據挖掘、監測和自動化測試 2.模塊安裝 scrapy支持Python2.7和python3.4以上版本 python...

scrapy框架入門

scrapy框架 Scrapy是用純Python實現一個為了爬取網站數據、提取結構性數據而編寫的應用框架，用途非常廣泛。框架的力量，用戶只需要定制開發幾個模塊就可以輕松的實現一個爬蟲，用來抓取網頁內容以及各種圖片，非常之方便。 Scrapy 使用了 Twisted’tw?st?d異步網絡框架來處理網絡通訊，可以加快我們的下載速度，不用自己去實現異步框架，并且包含了各種中間件接口，可以...

scrapy框架入門

最近在學習爬蟲，這里是MOOC北理嵩天老師的課程筆記，適合小白入門。如果想自己寫一個scrapy框架出來，建議自己鉆研幾個實例，理解每一行語句的作用，應該三天左右就可以上手。當然，我們還需要掌握re, xpath, BeautifulSoup 等基礎知識。歡迎大佬指正~ 數據，包括用戶提供的網絡爬蟲請求，以及從網絡上獲取的相關內容，在這些結構直接相互流動形成了數據流。路徑1：請求通過SPI...

Scrapy框架入門

1. 創建爬蟲 cmd 或 powershell 或 bash 創建爬蟲命令： cmd打開方式：win + R ，輸入cmd，回車。 powershell：win + S，輸入powershell，回車。 bash：Linux下，ctrl + alt + T。 2. 核心類Spider 以爬取Scrapy百度百科為例。首先在setting中關閉網頁爬蟲檢查：然后在spiders目錄下創建Spi...