1.scrapy框架介绍

忘是亡心i 2022-11-03 05:45 177阅读 0赞

## 一、什么是scrapy框架？ ##

先来看字面意思：框架。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70][]

一般来说，框架来源于建筑学，往往指建筑主体已经搭建好了，剩下的只是细枝末节的一些东西，比如安个门、砌一堵墙、开个窗户等等，不需要对框架本身做出大的改动。

盖房子的流程：打地基 --> 梁板柱 ->> 砌墙 ->>外饰

同样的，大家想一下，我们在编写爬虫的时候，是不是经常做一些重复性的东西？

比如：发送网络请求【反反爬虫机制（设置请求头等）】 ->> 数据解析 ->> 数据存储等。

所以scrapy框架就帮助我们搭建好了整个流程，最后我们只需要对这个框架做一些细小的改动即可。

## 二、为什么使用scrapy框架 ##

（1）scrapy框架最流行

（2）已经帮助我们搭建了整个流程，我们不需要做一些重复性的工作

（3）封装了大量基础性的东西，比如发送请求等，我们写爬虫可以变的更加的高效（爬取效率和开发效率）

（4）上了量级的爬虫，都会使用scrapy框架

## 三、如何使用scrapy框架 ##

实战中应用！实战中应用！！实战中应用！！！

![12aa4f19b7b11732fc4ee26b72890689.png][]

![ea5f646f1ae039e6ca4cf9636b786f03.png][]

1.  `Scrapy Engine（引擎）`：`Scrapy`框架的核心部分。负责在`Spider`和`ItemPipeline`、`Downloader`、`Scheduler`中间通信、传递数据等。
2.  `Spider（爬虫）`：发送需要爬取的链接给引擎，最后引擎把其他模块请求回来的数据再发送给爬虫，爬虫就去解析想要的数据。这个部分是我们开发者自己写的，因为要爬取哪些链接，页面中的哪些数据是我们需要的，都是由程序员自己决定。
3.  `Scheduler（调度器）`：负责接收引擎发送过来的请求，并按照一定的方式进行排列和整理，负责调度请求的顺序等。
4.  `Downloader（下载器）`：负责接收引擎传过来的下载请求，然后去网络上下载对应的数据再交还给引擎。
5.  `Item Pipeline（管道）`：负责将`Spider（爬虫）`传递过来的数据进行保存。具体保存在哪里，应该看开发者自己的需求。
6.  `Downloader Middlewares（下载中间件）`：可以扩展下载器和引擎之间通信功能的中间件。
7.  `Spider Middlewares（Spider中间件）`：可以扩展引擎和爬虫之间通信功能的中间件。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjgzMDY5Nw_size_16_color_FFFFFF_t_70]: /images/20221024/c8314339d40e4894ae61d68bee8c2816.png
[12aa4f19b7b11732fc4ee26b72890689.png]: /images/20221024/4dbfeafc077546dda43feb2833b6af59.png
[ea5f646f1ae039e6ca4cf9636b786f03.png]: /images/20221024/c8afca305fd440c3b4c88d4a93e1b01a.png