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)的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址
下载器(Downloader)
用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)
爬虫(Spiders)
爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面
项目管道(Pipeline)
负责处理爬虫从网页中抽取的实体,主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后,将被发送到项目管道,并经过几个特定的次序处理数据。
运行
异步是基于twisted作用在下载器中,让下载器实现异步数据下载。
引擎的作用在于接收数据流,触发事务。各组件之间交互的数据都会经过引擎,引擎会根据它接收到的不同数据去决定下一步触发什么类型的事务调用什么方法。
整个scrapy中没有手动去实例化模型对象和调用相关的方法,这些对象的实例化和相关方法的调用都是事务的触发,就是框架去自动实现的,基于引擎的作用,自动合适的去触发。