Python学习之路爬虫提高:scrapy基础
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
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：scrapy-chs.readthedocs.io/zh_CN/1.0...
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。
scrapy 是工作流程#
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
scrapy 中每个模块的具体作用#
关于 LearnKu
粤公网安备 44030502004330号
推荐文章：