scrapy 流程图详解

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。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。
其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的， 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
1.Scrapy 使用了 Twisted 异步网络库来处理网络通讯。整体架构大致如下：

 

2.Scrapy运行流程大概如下：

 

• 首先，引擎从调度器中取出一个链接(URL)用于接下来的抓取
• 引擎把URL封装成一个请求(Request)传给下载器，下载器把资源下载下来，并封装成应答包(Response)
• 然后，爬虫解析Response
• 若是解析出实体（Item）,则交给实体管道进行进一步的处理。
• 若是解析出的是链接（URL）,则把URL交给Scheduler等待抓取

3.Scrapy主要包括了以下组件：

 

• 引擎(Scrapy): 用来处理整个系统的数据流处理, 触发事务(框架核心)
• 调度器(Scheduler): 用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL（抓取网页的网址或者说是链接