scrapy框架爬虫

目录

一、什么是scrapy？

二、Scrapy五大基本构成:

　　(1)、调度器(Scheduler):

　　(2)、下载器(Downloader):

　　(3)、 爬虫（Spider）:

　　(4)、 实体管道(Item Pipeline):

　　(5)、Scrapy引擎(Scrapy Engine):

三、scrap框架架构图

四、Scrapy安装以及生成项目

1、安装scrapy框架所需jar包：

 2、创建项目

---

一、什么是scrapy？

Scrapy，Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的， 后台也应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。

Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。

二、Scrapy五大基本构成:

Scrapy框架主要由五大组件组成，它们分别是调度器(Scheduler)、下载器(Downloader)、爬虫（Spider）和实体管道(Item Pipeline)、Scrapy引擎(Scrapy Engine)。下面我们分别介绍各个组件的作用。

　　(1)、调度器(Scheduler):

　　调度器，说白了把它假设成为一个URL（抓取网页的网址或者说是链接）的优先队列&