组件:
Scrapy Engine
引擎,负责控制数据流在系统中所有组件中流动,并在相应动作发生时触发事件
调度器(Scheduler)
调度器从引擎接受request并将他们入队,以便之后引擎请求他们时提供给引擎
下载器(Downloader)
获取页面数据并提供给引擎,而后提供给spider
Spiders
Spider是Scrapy用户编写用于分析response并提取item(即获取到的item)
或额外跟进的URL的类,每个spider负责处理一个特定(或一些)网站
Item Pipeline
Item Pipeline负责处理被提取出来的item,典型的处理有清理、验证及持久化
(例如存取到数据库中)
下载器中间件(Downloader moddlewares)
下载器中间件是在引擎及下载器之间的特定钩子,
处理Downloader传递给引擎的response
(包括引擎传递给下载器的Request);
(处理下载请求部分)
Spider中间件(Spider Middlewares)
Spider中间件是在引擎及Spider之间的特定钩子,
处理spider的输入(response)和输出(item和requests)
(处理解析部分)
Scrapy Engine
![](https://img-home.csdnimg.cn/images/20240711042549.png)