博文配套视频课程:24小时实现从零到AI人工智能
Scrapy简介
一个快速、高层次的屏幕抓取和web抓取的Python框架,用于抓取web站点并从页面中提取结构化的数据,可以用于数据挖掘、监测和自动化测试,可根据具体需求个性化定制。Scrapy架构图:
Scrapy组件介绍
- Scrapy Engine(引擎):用来处理整个系统的数据传递,是整个系统的核心部分。
- Scheduler(调度器):用来接受引擎发过来的Request请求, 压入队列中, 并在引擎再次请求的时候返回。
- Downloader(下载器):用于引擎发过来的Request请求对应的网页内容, 并将获取到的Responses返回给Spider。
- Item Pipeline(管道):负责处理Spider中获取的实体,对数据进行清洗,保存所需的数据。 Downloader
- Middlewares(下载器中间件):主要用于处理Scrapy引擎与下载器之间的请求及响应。
- SpiderMiddlewares(爬虫中间件):主要用于处理Spider的Responses和Requests
pip安装scrapy
正常通过pip show scrapy方式来查看是否安装,如果已安装则会显示安装信息,否则不会显示任何信息
C:\Users\Administrator>pip show scrapy
Name: Scrapy
Version: 1.7.3
Summary: A high-level Web Crawling and Web Scraping framework
Home-page: https://scrapy.org
Author: Scrapy developers
Author-email: None
License: BSD
Location: d:\anaconda3\lib\site-packages
Requires: PyDispatcher, w3lib, cssselect, parsel, queuelib, Twisted, pyOpenSSL, six, service-identity, lxml
Required-by: scrapy-redis
通过pip install scrapy 安装爬虫框架 (大概率会抛出如下异常)
根据异常提示缺少:ERROR: MICROSOFT VISUAL C++ 9.0 IS REQUIRED (UNABLE TO FIND VCVARSALL.BAT). GET IT FROM 需要下载一个缺失的window组件,此组件在视频的学习资料中有提供