scrapy异步框架核心原理
同步:下一个方法依赖于上一个方法的结果。
异步:下一个方法不依赖于上一个方法的结果。
spiders就是我们写的csdn的博客爬虫文件。scheduler是调度器,将url_s里所有的url地址统一分配,然后发给downloader,让它去向服务器请求下载。还有一个就是去重的功能,去掉重复的url请求。item pipeline用于把io存储,把数据存储到本地。中间件downloader middlewares,主要是对request请求做封装,比如把User-Agent,headers,代理ip这些封装到request请求里去。也对downloader从服务器那里拿来的response做一些处理。