python复习以及scrapy框架

1.python中的面向对象

    对象：已存在可被使用的实例称之为对象，在python中万物皆为对象，包括类，方法，函数，变量等都是对象

    类：描述其他实例信息的对象，在python中类也是一个对象

    方法：定义其他实例行为的对象称之为方法（动态为方法）

    属性：定义其他实例特征的对象为属性（静态为属性）

    在Python中函数和方法的区别：

        方法：定义其他实例行为的对象

        函数：函数可对立定义和调用

    Python中的静态方法和类方法：

        静态方法：使用装饰器@staticmethod将方法变为静态方法

        类方法：使用装饰器@classmethod将方法变为类方法

    在Python中方法也可以被称之为属性，例如下面的demo：

        stu=Student()-------有一个Student类，实例化一个对象stu
        stu.jump = lambda x: print("你跳了{0}".format(x))----使用lambda表达式

        stu.jump(2)------通过对象调用

2.python中常用的数据类型：

    1.list----列表

    2.tuple----元祖

    3.dict----字典

    4.set----集合

    5.str----字符串

3.scrapy框架（爬虫）

流程图：

    

scrapy主要包括了8个组件：

    1.引擎(Scrapy):用来处理整个系统的数据流处理, 触发事务(框架核心)

    2.调度器(Scheduler):用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL

    3.下载器(Downloader)

        用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)

    4.爬虫(Spiders)

        爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取          下一个页面

    5.项目管道(Pipeline)

        负责处理爬虫从网页中抽取的实体，主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后，将          被发送到项目管道，并经过几个特定的次序处理数据。

    6.下载器中间件(Downloader Middlewares)

        位于Scrapy引擎和下载器之间的框架，主要是处理Scrapy引擎与下载器之间的请求及响应。

    7.爬虫中间件(Spider Middlewares)

        介于Scrapy引擎和爬虫之间的框架，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(Scheduler Middewares)

        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。

scrapy执行流程：

    引擎从调度器中取出一个链接(URL)用于接下来的抓取------>引擎把URL封装成一个请求(Request)传给下载器------> 下载器把资源下 载下来，并封装成应答包(Response)-----> 爬虫解析Response------->解析出实体（Item）,则交给实体管道进行进一步的处理-----> 解析出的是链接（URL）,则把URL交给调度器等待抓取