本文详细介绍了Python的Scrapy爬虫框架，包括框架的组成部分、运作流程、爬虫去重策略以及如何创建和运行爬虫项目。通过了解Scrapy的架构，如引擎、调度器、下载器、蜘蛛和管道，读者可以更好地掌握如何利用Scrapy高效地抓取和处理网页数据。
一、scrapy简介
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。
二、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
最低0.47元/天 解锁文章
扫一扫
61万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
