Scrapy 是用 Python 实现的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。
Scrapy 常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。
通常我们可以很简单的通过 Scrapy 框架实现一个爬虫,抓取指定网站的内容或图片。
(一)运作流程
1.首先Spiders(爬虫)将需要发送请求的url(requests)经ScrapyEngine(引擎)交给Scheduler(调度器)。
2.Scheduler(排序,入队)处理后,经ScrapyEngine(引擎)【DownloaderMiddlewares(下载中间件,可以附带User_Agent, Proxy代理等)】交给Downloader。
3.Downloader向互联网发送请求,并接收下载响应(response)。将响应(response)【经ScrapyEngine(引擎),SpiderMiddlewares(spider中间件)】交给Spiders。
4.Spiders处理response,提取数据并将数据经ScrapyEngine(引擎)交给ItemPipeline保存(可以是本地,可以是数据库)。
5.提取url重新经ScrapyEngine(引擎)交给Scheduler(调度器)进行下一个循环。直到无Url请求程序停止结束。