Scrapy—框架简介和基础应用

一、什么是scrapy？

        scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框。它集成了各种功能（高性能异步下载、队列、分布式、解析、持久化等）的具有很强通用性的项目模板。

二、基础使用

1. 创建项目

        scrapy startproject 项目名称

# 项目结构介绍
project_name/
   scrapy.cfg：
   project_name/
       __init__.py
       items.py
       pipelines.py
       settings.py
       spiders/
           __init__.py

# 相关解释
    scrapy.cfg   项目的主配置信息。（真正爬虫相关的配置信息在settings.py文件中）
    items.py     设置数据存储模板，用于结构化数据，如：Django的Model
    pipelines    数据持久化处理
    settings.py  配置文件，如：递归的层数、并发数，延迟下载等
    spiders      爬虫目录，如：创建文件，编写爬虫解析规则

2. 创建爬虫应用程序 

        cd project_name（进入项目目录）

        scrapy genspider 应用名称 爬取网页的起始url （例如：scrapy genspider qiubai www.qiushibaike.com）

3. 执行爬虫程序

        scrapy crawl 爬虫名称 ：该种执行形式会显示执行的日志信息

        scrapy crawl 爬虫名称 --nolog：该种执行形式不会显示执行的日志信息