一、Scrapy是什么？

陸豐網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián)公司,陸豐網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為陸豐近千家提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\成都外貿(mào)網(wǎng)站制作要多少錢，請(qǐng)找那個(gè)售后服務(wù)好的陸豐做網(wǎng)站的公司定做！

    Scrapy是一套基于Twisted的異步處理框架，是純Python實(shí)現(xiàn)的爬蟲(chóng)框架，用戶只需要定制開(kāi)發(fā)幾個(gè)模塊就可以輕松的實(shí)現(xiàn)一個(gè)爬蟲(chóng)，用來(lái)抓取網(wǎng)頁(yè)內(nèi)容或者各種圖片。

二、Scrapy框架

Scrapy Engine（引擎）：負(fù)責(zé)Spider、ItemPipeline、Downloader、Scheduler中間的通訊，信號(hào)、數(shù)據(jù)傳遞等。

Scheduler（調(diào)度器）：它負(fù)責(zé)接受引擎發(fā)送過(guò)來(lái)的Request請(qǐng)求，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)，交還給引擎。

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)，由引擎交給Spider來(lái)處理，

Spiders（爬蟲(chóng)）：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)，并將需要跟進(jìn)的URL提交給引擎，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，并進(jìn)行進(jìn)行后期處理（詳細(xì)分析、過(guò)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。

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）。

三、Scrapy的運(yùn)作流程

代碼寫(xiě)好，程序開(kāi)始運(yùn)行...

• 1 引擎：Hi！Spider, 你要處理哪一個(gè)網(wǎng)站？

• 2 Spider：老大要我處理xxxx.com。

• 3 引擎：你把第一個(gè)需要處理的URL給我吧。

• 4 Spider：給你，第一個(gè)URL是xxxxxxx.com。

• 5 引擎：Hi！調(diào)度器，我這有request請(qǐng)求你幫我排序入隊(duì)一下。

• 6 調(diào)度器：好的，正在處理你等一下。

• 7 引擎：Hi！調(diào)度器，把你處理好的request請(qǐng)求給我。

• 8 調(diào)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(shè)置幫我下載一下這個(gè)request請(qǐng)求

• 10 下載器：好的！給你，這是下載好的東西。（如果失?。簊orry，這個(gè)request下載失敗了。然后引擎告訴調(diào)度器，這個(gè)request下載失敗了，你記錄一下，我們待會(huì)兒再下載）

• 11 引擎：Hi！Spider，這是下載好的東西，并且已經(jīng)按照老大的下載中間件處理過(guò)了，你自己處理一下（注意！這兒responses默認(rèn)是交給def parse()這個(gè)函數(shù)處理的）

• 12 Spider：（處理完畢數(shù)據(jù)之后對(duì)于需要跟進(jìn)的URL），Hi！引擎，我這里有兩個(gè)結(jié)果，這個(gè)是我需要跟進(jìn)的URL，還有這個(gè)是我獲取到的Item數(shù)據(jù)。

• 13 引擎：Hi ！管道 我這兒有個(gè)item你幫我處理一下！調(diào)度器！這是需要跟進(jìn)URL你幫我處理下。然后從第四步開(kāi)始循環(huán)，直到獲取完老大需要全部信息。

• 14 管道調(diào)度器：好的，現(xiàn)在就做！

注意！只有當(dāng)調(diào)度器中不存在任何request了，整個(gè)程序才會(huì)停止，（也就是說(shuō)，對(duì)于下載失敗的URL，Scrapy也會(huì)重新下載。

四、制作Scrapy爬蟲(chóng)需要四步：

1. 新建項(xiàng)目 (scrapy startproject xxx)：新建一個(gè)新的爬蟲(chóng)項(xiàng)目

2. 明確目標(biāo) （編寫(xiě)items.py）：明確你想要抓取的目標(biāo)

3. 制作爬蟲(chóng) （spiders/xxspider.py）：制作爬蟲(chóng)開(kāi)始爬取網(wǎng)頁(yè)

4. 存儲(chǔ)內(nèi)容 （pipelines.py）：設(shè)計(jì)管道存儲(chǔ)爬取內(nèi)容