scrapy框架

Scrapy框架

Scrapy介绍

Scrapy是一个基于Twisted的异步处理框架，是纯Python实现的爬虫框架，架构清晰，模块耦合度低，可扩展性极强，可以灵活完成各种需求。只需要定制开发几个模块就可以轻松实现一个爬虫。

架构介绍

它可以分为如下几个部分：

• Engine 引擎，处理整个系统的数据流处理，触发事务，是整个框架的核心。
• Item 项目，定义了爬取结果的数据结构，爬取数据会被赋为Item对象。
• Scheduler 调度器，接受引擎发过来的的请求并将其加入队列中，在引擎需要时将请求提供给引擎。
• Downloader 下载器，下载网页内容，并将网页内容返回给爬虫。
• Spiders 爬虫，定义了爬取的逻辑和网页的解析规则，主要负责解析响应并生成提取结果和新的请求。
• Item Pipeline 项目管道， 负责处理由爬虫从网页中抽取的项目，主要任务是清洗，验证和存储数据。
• Downloader Middlewares 下载器中间件，位于引擎和下载器之间的钩子，主要处理引擎和下载器之间的请求和响应。
• Spider Middlewares 爬虫中间件，位于引擎和爬虫之间的钩子，主要处理爬虫输入的响应和输出的结果及新的请求。