无锡做设计公司网站,有限公司是国企还是私企,简单wordpress,龙华区深圳北站Scrapy 框架Scrapy是用纯Python实现一个为了爬取网站数据、提取结构性数据而编写的应用框架#xff0c;用途非常广泛。框架的力量#xff0c;用户只需要定制开发几个模块就可以轻松的实现一个爬虫#xff0c;用来抓取网页内容以及各种图片#xff0c;非常之方便。Scrapy 使…Scrapy 框架Scrapy是用纯Python实现一个为了爬取网站数据、提取结构性数据而编写的应用框架用途非常广泛。框架的力量用户只需要定制开发几个模块就可以轻松的实现一个爬虫用来抓取网页内容以及各种图片非常之方便。Scrapy 使用了 Twisted[twɪstɪd](其主要对手是Tornado)异步网络框架来处理网络通讯可以加快我们的下载速度不用自己去实现异步框架并且包含了各种中间件接口可以灵活的完成各种需求。Scrapy架构图(绿线是数据流向)Scrapy架构图(绿线是数据流向)Scrapy Engine(引擎): 负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯信号、数据传递等。Scheduler(调度器): 它负责接受引擎发送过来的Request请求并按照一定的方式进行整理排列入队当引擎需要时交还给引擎。Downloader(下载器)负责下载Scrapy Engine(引擎)发送的所有Requests请求并将其获取到的Responses交还给Scrapy Engine(引擎)由引擎交给Spider来处理Spider(爬虫)它负责处理所有Responses,从中分析提取数据获取Item字段需要的数据并将需要跟进的URL提交给引擎再次进入Scheduler(调度器)Item Pipeline(管道)它负责处理Spider中获取到的Item并进行进行后期处理(详细分析、过滤、存储等)的地方.Downloader Middlewares(下载中间件)你可以当作是一个可以自定义扩展下载功能的组件。Spider Middlewares(Spider中间件)你可以理解为是一个可以自定扩展和操作引擎和Spider中间通信的功能组件(比如进入Spider的Responses;和从Spider出去的Requests)Scrapy的运作流程代码写好程序开始运行...引擎HiSpider, 你要处理哪一个网站Spider老大要我处理xxxx.com。引擎你把第一个需要处理的URL给我吧。Spider给你第一个URL是xxxxxxx.com。引擎Hi调度器我这有request请求你帮我排序入队一下。调度器好的正在处理你等一下。引擎Hi调度器把你处理好的request请求给我。调度器给你这是我处理好的request引擎Hi下载器你按照老大的下载中间件的设置帮我下载一下这个request请求下载器好的给你这是下载好的东西。(如果失败sorry这个request下载失败了。然后引擎告诉调度器这个request下载失败了你记录一下我们待会儿再下载)引擎HiSpider这是下载好的东西并且已经按照老大的下载中间件处理过了你自己处理一下(注意这儿responses默认是交给def parse()这个函数处理的)Spider(处理完毕数据之后对于需要跟进的URL)Hi引擎我这里有两个结果这个是我需要跟进的URL还有这个是我获取到的Item数据。引擎Hi 管道 我这儿有个item你帮我处理一下调度器这是需要跟进URL你帮我处理下。然后从第四步开始循环直到获取完老大需要全部信息。管道调度器好的现在就做注意只有当调度器中不存在任何request了整个程序才会停止(也就是说对于下载失败的URLScrapy也会重新下载。)制作 Scrapy 爬虫 一共需要4步新建项目 (scrapy startproject xxx)新建一个新的爬虫项目明确目标 (编写items.py)明确你想要抓取的目标制作爬虫 (spiders/xxspider.py)制作爬虫开始爬取网页存储内容 (pipelines.py)设计管道存储爬取内容Scrapy的安装介绍Scrapy框架官方网址http://doc.scrapy.org/en/latestScrapy中文维护站点http://scrapy-chs.readthedocs.io/zh_CN/latest/index.htmlWindows 安装方式Python 2 / 3升级pip版本pip install --upgrade pip通过pip 安装 Scrapy 框架 pip install ScrapyUbuntu 需要9.10或以上版本安装方式Python 2 / 3安装非Python的依赖 sudo apt-get install python-dev python-pip libxml2-dev libxslt1-dev zlib1g-dev libffi-dev libssl-dev通过pip 安装 Scrapy 框架 sudo pip install scrapy安装后只要在命令终端输入 scrapy提示类似以下结果代表已经安装成功在命令终端输入 scrapy具体Scrapy安装流程参考http://doc.scrapy.org/en/latest/intro/install.html#intro-install-platform-notes 里面有各个平台的安装方法
