Scrapy源码分析(一):代码结构初探

前言


很多朋友在使用scrapy编写爬虫的时候,都能感受到这个框架的在定制性方面的强大。我们完成一个爬虫只需要定义好Spider抽取规则即可。即使再复杂一点的需求,我们也可以通过pipeline来控制爬虫的输出,middleware来控制下载中的请求定制。可是大家有没有想过scrapy是如何将我们的初始种子url一步步的下载、解析、加入新队列,周而复始的运行呢?

这篇文章我来带着大家通过阅读文档,源码,来一步步的理清我们的思路。

阅读方法


直接阅读源码,往往会给人一头雾水的感觉,如果脑中没有一定架构概念的话,很容易陷入到代码的汪洋中。这里我们通过三个步骤来阅读他的源码:

  1. 先看懂scrapy的官方文档,也就是架构页面
  2. 下载scrapy源码,从文件夹根目录开始看,选择重要的部分研究。
  3. 使用pycharm执行爬虫,完整观察一个爬虫运行的周期。

下面开始按照步骤一步一步的来。

scrapy的官方文档


scrapy的文档中内容很多,官网左侧的导航栏分为五个主题:

  1. First steps。不用说,这部分大家肯定学写爬虫时候都看过,主要是将安装和编写第一个爬虫
  2. Basic concepts。这一部分主要是scrapy的各个组件,包括命令行(Command line tool)
  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值