1. 为什么要学习scrapy
先说一下为什么要学习scrapy呢?
基本来说通过 requests + selenium 可以解决大部分的爬虫问题了,scrapy是为了解决那一小部分的问题吗?NO!
scrapy框架能够让我们的爬虫效率更高!那么那一小部分的问题只能靠自己工作中实践解决了。
2. 什么是scrapy
Scrapy是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,我们只需要实现少量的代码,就能够快速的抓取。
Scrapy 使用了Twisted['twɪstɪd]异步
网络框架,可以加快我们的下载速度。
文档地址:http://scrapy-chs.readthedocs.io/zh_CN/1.0/intro/overview.html
3. 异步和非阻塞的区别
- 异步:调用在发出之后,这个调用就直接返回,不管有无结果
- 非阻塞:关注的是程序在等待调用结果(消息,返回值)时的状态,指在不能立刻得到结果之前,该调用不会阻塞当前线程。
4. scrapy的流程
流程如下:
- 调度器把requests-->引擎-->下载中间件--->下载器
- 下载器发送请求,获取响应---->下载中间件---->引擎--->爬虫中间件--->爬虫
- 爬虫提取url地址,组装成request对象---->爬虫中间件--->引擎--->调度器
- 爬虫提取数据--->引擎--->管道
- 管道进行数据的处理和保存
注意:
- 图中绿色线条的表示数据的传递
- 注意图中中间件的位置,决定了其作用
- 注意其中引擎的位置,所有的模块之前相互独立,只和引擎进行交互
5. scrapy中每个模块的具体作用