scrapy 框架結構

思考

• scrapy 為什么是框架而不是庫?
• scrapy是如何工作的?

項目結構

在開始爬取之前，必須創(chuàng)建一個新的Scrapy項目。進入您打算存儲代碼的目錄中，運行下列命令:

注意:創(chuàng)建項目時，會在當前目錄下新建爬蟲項目的目錄。

這些文件分別是:

• scrapy.cfg:項目的配置文件
• quotes/:該項目的python模塊。之后您將在此加入代碼
• quotes/items.py:項目中的item文件
• quotes/middlewares.py:爬蟲中間件、下載中間件(處理請求體與響應體)
• quotes/pipelines.py:項目中的pipelines文件
• quotes/settings.py:項目的設置文件
• quotes/spiders/:放置spider代碼的目錄

Scrapy原理圖

各個組件的介紹

1.Engine。引擎,處理整個系統(tǒng)的數(shù)據(jù)流處理、觸發(fā)事務,是整個框架的核心。

2.ltem。項目,它定義了爬取結果的數(shù)據(jù)結構,爬取的數(shù)據(jù)會被賦值成該ltem對象。

3.Scheduler。調度器,接受引擎發(fā)過來的請求并將其加入隊列中,在引擎再次請求的時候將請求提供給引擎。

4.Downloader。下載器,下載網(wǎng)頁內(nèi)容,并將網(wǎng)頁內(nèi)容返回給蜘蛛。

5.Spiders。蜘蛛,其內(nèi)定義了爬取的邏輯和網(wǎng)頁的解析規(guī)則,它主要負責解析響應并生成提結果和新的請求。

6.Item Pipeline。項目管道,負責處理由蜘蛛從網(wǎng)頁中抽取的項目,它的主要任務是清洗、驗證和存儲數(shù)據(jù)。

7.Downloader Middlewares。下載器中間件,位于引擎和下載器之間的鉤子框架,主要處理引擎與下載器之間的請求及響應。

8.Spider Middlewares。蜘蛛中間件,位于引擎和蜘蛛之間的鉤子框架,主要處理蜘蛛輸入的響應和輸出的結果及新的請求。

數(shù)據(jù)的流動

• Scrapy Engine(引擎):負責Spider、ltemPipeline、Downloader、Scheduler中間的通訊，信號、數(shù)據(jù)傳遞等。
• Scheduler(調度器):負責接受引擎發(fā)送過來的Request請求，并按照一定的方式進行整理排列，入隊，當引擎需要時，交還給引擎。
• Downloader(下載器):負責下載Scrapy Engine(引擎)發(fā)送的所有Requests請求，并將其獲取到的Responses交還給Scrapy Engine(引擎)，由引擎交給Spider來處理，
• Spider(爬蟲)︰負責處理所有Responses,從中分析提取數(shù)據(jù)，獲取ltem字段需要的數(shù)據(jù)，并將需要跟進的URL提交給引擎，再次進入Scheduler(調度器)，
• ltem Pipeline(管道):負責處理Spider中獲取到的ltem，并進行進行后期處理(詳細分析、過濾、存儲等）的地方.
• Downloader Middlewares(下載中間件):你可以當作是一個可以自定義擴展下載功能的組件。
• Spider Middlewares(Spider中間件):你可以理解為是一個可以自定擴展和操作引擎和Spider中間通信的功能組件（比如進入Spider的Responses;和從Spider出去的Requests)

到此這篇關于Python爬蟲基礎之簡單說一下scrapy的框架結構的文章就介紹到這了,更多相關scrapy的框架結構內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！