scrapy 五大核心组件-分页

爱被打了一巴掌 2023-06-02 10:47 6阅读 0赞

## scrapy 五大核心组件-分页 ##

#### 分页 ####

**思路**

总的原理和之前是一样的，但是由于框架的原因，要遵循他框架的使用方式，每次更改他的url，并指定回调函数

# -*- coding: utf-8 -*-
    import scrapy
    
    
    class XiaohuanameSpider(scrapy.Spider):
        name = 'xiaohuaname'
        # allowed_domains = ['www.xxx.com']
        start_urls = ['http://www.xiaohuar.com/list-1-0.html']
    
        url=""
        num=1
        def parse(self, response):
            names=response.xpath('//div[@class="title"]/span/a/text()')
            for i in names:
                print(i.extract())
    
            #更改下一次请求的url
            self.url=f'http://www.xiaohuar.com/list-1-{self.num}.html'
            self.num+=1
    
            #获取10页的数据
            if self.num < 10:
                #配置下次请求的url和回调函数
                yield scrapy.Request(url=self.url,callback=self.parse)

#### 五大核心组件 ####

![111111][]

**引擎(Scrapy)**

（创建对象，根据数据调度方法等）

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)**