Scrapy简介
scrapy架构图:
- scrapy的主要部分:
1、引擎,用来处理整个系统的数据流处理,触发事务。
2、调度器,用来接收引擎发过来的请求,压入队列当中,在引擎再次请求的时候返回。
3、下载器,用于下载网页内容,并将网页内容返回给蜘蛛。
4、蜘蛛,主要干活的部分,用它来制订特定域名或网页的解析规则。
5、项目管道,负责处理有蜘蛛由网页中抽取的项目,他的主要任务是清洗、验证和存储数据。当页面被蜘蛛解析后,将被发送到项目管道,并经过几个特定的顺序处理数据。
6、下载器中间件,位于scrapy引擎和下载器之间的钩子框架,主要是处理scrapy引擎与下载器之间的请求及响应。
7、蜘蛛中间件,介于scrapy引擎和蜘蛛之间的钩子框架,主要工作是处理蜘蛛的响应输入和请求输出。
8、调度中间件,介于scrapy引擎和调度之间的中间件,从scrapy引擎发送到调度的请求和响应。
使用scrapy可以很方便的完成网上数据的采集工作,它为我们完成了大量的工作,而不用自己费力的去开发。
scrapy官网