python spider是什么_Scrapy框架下的Spider类是什么

Spider类

Spider类定义了如何爬取某个(或某些)网站。包括了爬取的动作(例如:是否跟进链接)以及如何从网页的内容中提取结构化数据(爬取item)。

换句话说，Spider就是您定义爬取的动作及分析某个网页(或者是有些网页)的地方。

class scrapy.Spider是最基本的类，所有编写的爬虫必须继承这个类。

主要用到的函数及调用顺序为：

__init__() : 初始化爬虫名字和start_urls列表

start_requests() 调用make_requests_from url():生成Requests对象交给Scrapy下载并返回response

parse() : 解析response，并返回Item或Requests(需指定回调函数)。Item传给Item pipline持久化 ， 而Requests交由Scrapy下载，并由指定的回调函数处理(默认parse())，一直进行循环，直到处理完所有的数据为止。

源码参考#所有爬虫的基类，用户定义的爬虫必须从这个类继承

class Spider(object_ref):

#定义spider名字的字符串(string)。spider的名字定义了Scrapy如何定位(并初始化)spider，所以其必须是唯一的。

#name是spider最重要的属性，而且是必须的。

#一般做法是以该网站(domain)(加或不加 后缀 )来命名spider。 例如，如果spider爬取 mywebsite.com ，该spider

通常会被命名为 mywebsite

name = None

#初始化&#