python创建scrapy_Python Scrapy项目创建（基础普及篇）

在使用Scrapy开发爬虫时，通常需要创建一个Scrapy项目。通过如下命令即可创建 Scrapy 项目：

scrapy startproject ZhipinSpider

在上面命令中，scrapy 是Scrapy 框架提供的命令；startproject 是 scrapy 的子命令，专门用于创建项目；ZhipinSpider 就是要创建的项目名。

scrapy 除提供 startproject 子命令之外，它还提供了 fetch(从指定 URL 获取响应)、genspider(生成蜘蛛)、shell(启动交互式控制台)、version(查看 Scrapy 版本)等常用的子命令。可以直接输入 scrapy 来查看该命令所支持的全部子命令。

1、运行上面命令，将会看到如下输出结果(正常)：

New Scrapy project 'ZhipinSpider', using template directory 'd:\python3.6\lib\site-packages\scrapy\templates\project', created in:

C:\Users\mengma\ZhipinSpider

You can start your first spider with:

cd ZhipinSpider

scrapy genspider example example.com

View Code

上面信息显示 Scrapy 在当前目录下创建了一个 ZhipinSpider 项目，此时在当前目录下就可以看到一个 ZhipinSpider 目录，该目录就代表 ZhipinSpider 项目。

2、运行上面命令，将会看到如下输出结果(异常)：

Fatal error in launcher: Unable to create process using '"'

解决方法：

python -m scrapy startproject XXXX

View Code

查看 ZhipinSpider 项目，可以看到如下文件结构：

ZhipinSpider

│ scrapy.cfg

│

└──ZhipinSpider

│ item.py

│ middlewares.py

│ pipelines.py

│ setting.py

│

├─ spiders

│ │ __init__.py

│ │

│ └─ __pycache__

└─ __pycache__

下面大致介绍这些目录和文件的作用：

scrapy.cfg：项目的总配置文件，通常无须修改。

ZhipinSpider：项目的 Python 模块，程序将从此处导入 Python 代码。

ZhipinSpider/items.py：用于定义项目用到的 Item 类。Item 类就是一个 DTO(数据传输对象)，通常就是定义 N 个属性，该类需要由开发者来定义。

ZhipinSpider/pipelines.py：项目的管道文件，它负责处理爬取到的信息。该文件需要由开发者编写。

ZhipinSpider/settings.py：项目的配置文件，在该文件中进行项目相关配置。

ZhipinSpider/spiders：在该目录下存放项目所需的蜘蛛，蜘蛛负责抓取项目感兴趣的信息。

为了更好地理解 Scrapy 项目中各组件的作用，下面给出 Scrapy 概览图，如图 1 所示。

图 1 Scrapy 概览图

在图 1 中可以看到，Scrapy 包含如下核心组件：

调度器：该组件由 Scrapy 框架实现，它负责调用下载中间件从网络上下载资源。

下载器：该组件由 Scrapy 框架实现，它负责从网络上下载数据，下载得到的数据会由 Scrapy 引擎自动交给蜘蛛。

蜘蛛：该组件由开发者实现，蜘蛛负责从下载数据中提取有效信息。蜘蛛提取到的信息会由 Scrapy 引擎以 Item 对象的形式转交给 Pipeline。

Pipeline：该组件由开发者实现，该组件接收到 Item 对象(包含蜘蛛提取的信息)后，可以将这些信息写入文件或数据库中。

经过上面分析可知，使用 Scrapy 开发网络爬虫主要就是开发两个组件，蜘蛛和 Pipeline。