目标
- 了解学习scrapy的目的
- 能够说出异步和非阻塞的区别
- 掌握scrapy的流程
1. 为什么要学习scrapy
通过前面的学习,我们已经能够解决90%的爬虫问题了,那么scrapy是为了解决剩下的10%的问题么,不是,scrapy框架能够让我们的爬虫效率更高
那么剩下的10%怎么办呢?在课堂上我们学习的是通用的爬虫技能和爬虫方法,剩下的10%大家可能以后都不会遇到,或者在公司中再去学习
2. 什么是scrapy
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,我们只需要实现少量的代码,就能够快速的抓取。
Scrapy 使用了Twisted[‘twɪstɪd]异步
网络框架,可以加快我们的下载速度。
文档地址:http://scrapy-chs.readthedocs.io/zh_CN/1.0/intro/overview.html
3. 异步和非阻塞的区别
前面我们说Twisted是一个异步的网络框架,经常我们也听到一个词语叫做非阻塞,那么他们有什么区别呢?
- 异步:调用在发出之后,这个调用就直接返回,不管有无结果
- 非阻塞:关注的是程序在等待调用结果(消息,返回值)时的状态,指在不能立刻得到结果之前,该调用不会阻塞当前线程。
4. scrapy是工作流程
4.1 回顾之前的爬虫流程
4.2 上面的流程可以改写为
4.3 scrapy的流程
其流程可以描述如下:
- 调度器把requests–>引擎–>下载中间件—>下载器
- 下载器发送请求,获取响应—->下载中间件—->引擎—>爬虫中间件—>爬虫
- 爬虫提取url地址,组装成request对象—->爬虫中间件—>引擎—>调度器
- 爬虫提取数据—>引擎—>管道
- 管道进行数据的处理和保存
注意:
- 图中绿色线条的表示数据的传递
- 注意图中中间件的位置,决定了其作用
- 注意其中引擎的位置,所有的模块之前相互独立,只和引擎进行交互
4.4 scrapy中每个模块的具体作用
小结
- 本小结重点
- 掌握scrapy中数据的传递过程
- 掌握scrapy中每个模块的作用
- 理解异步和非阻塞的区别