首页 / 更多教程 / Scrapy源码分析（一）架构概览
Scrapy源码分析（一）架构概览
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Scrapy源码分析（一）架构概览，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2962字，纯文字阅读大概需要5分钟。
内容图文
使用 Scrapy 开发一个爬虫非常简单，这里使用 Scrapy 官网上的例子来说明如何编写一个简单爬虫：
简单来讲，编写和运行一个爬虫只需以下几步：
- 使用
scrapy startproject命令创建一个爬虫模板，或自己按模板编写爬虫代码 - 定义一个爬虫类，并继承
scrapy.Spider，然后重写parse方法 parse方法里编写网页解析逻辑，以及抓取路径- 使用
scrapy runspider <spider_file.py>运行这个爬虫
可见，使用 Scrapy 编写简单的几行代码，就能采集到一个网站页面的数据，非常方便。
但是在这背后到底发生了什么？Scrapy 到底是如何帮助我们工作的呢？
架构
要想知道 Scrapy 是如何工作的，首先我们来看一下 Scrapy 的架构图，从宏观角度来了解一下它是如何运行的：
核心模块
从架构图可以看到，Scrapy 主要包含以下五大模块：
Scrapy Engine：核心引擎，负责控制和调度各个组件，保证数据流转；Scheduler：负责管理任务、过滤任务、输出任务的调度器，存储、去重任务都在此控制；Downloader：下载器，负责在网络上下载数据，输入待下载的 URL，输出下载结果；Spiders：我们自己编写的爬虫逻辑，定义抓取意图；Item Pipeline：负责输出结构化数据，可自定义格式和输出的位置；
如果你观察地比较仔细的话，可以看到还有两个模块：
Downloader middlewares：介于引擎和下载器之间，可以在网页在下载前、后进行逻辑处理；Spider middlewares：介于引擎和爬虫之间，在向爬虫输入下载结果前，和爬虫输出请求 / 数据后进行逻辑处理；
了解了这些核心模块，我们再来看使用 Scrapy 时，它内部的采集流程是如何流转的，也就是说各个模块是如何交互协作，来完成整个抓取任务的。
运行流程
按照上面架构图标识出的序号，我们可以看到，Scrapy 运行时的数据流转大概是这样的：
- 引擎从自定义爬虫中获取初始化请求（也叫种子 URL）；
- 引擎把该请求放入调度器中，同时调度器向引擎获取待下载的请求；
- 调度器把待下载的请求发给引擎；
- 引擎发送请求给下载器，中间会经过一系列下载器中间件；
- 这个请求通过下载器下载完成后，生成一个响应对象，返回给引擎，这中间会再次经过一系列下载器中间件；
- 引擎接收到下载器返回的响应后，发送给爬虫，中间会经过一系列爬虫中间件，最后执行爬虫自定义的解析逻辑；
- 爬虫执行完自定义的解析逻辑后，生成结果对象或新的请求对象给引擎，再次经过一系列爬虫中间件；
- 引擎把爬虫返回的结果对象交由结果处理器处理，把新的请求通过引擎再交给调度器；
- 重复执行1-8，直到调度器中没有新的请求处理，任务结束；
核心模块的协作
可见，Scrapy 的架构图还是比较清晰的，各个模块之间互相协作，完成抓取任务。
我在读完它的源码后，整理出了一个更详细的核心模块交互图，其中展示了更多模块的相关细节，你可以参考一下：
核心类图
另外，在读源码的过程中，我还整理了这些核心模块的类图，这对于你学习源码会有很大的帮助。
对于这个核心类图简单解释一下：
- 没有样式的黑色文字是类的核心属性；
- 标有黄色样式的高亮文字是类的核心方法；
你在读源码的过程中，可以针对这些核心属性和方法重点关注。
结合官方架构图以及我总结的核心模块交互图、核心类图，我们可以看到，Scrapy 涉及到的组件主要包括以下这些。
- 五大核心类：
Scrapy Engine、Scheduler、Downloader、Spiders、Item Pipeline； - 四个中间件管理器类：
DownloaderMiddlewareManager、SpiderMiddlewareManager、ItemPipelineMiddlewareManager、ExtensionManager； - 其他辅助类：
Request、Response、Selector；
我们先对 Scrapy 整个架构有一个初步认识，在接下来的文章里，我会针对上述的这些类和方法进行更加详细的源码讲解。
内容总结
以上是互联网集市为您收集整理的Scrapy源码分析（一）架构概览全部内容，希望文章能够帮你解决Scrapy源码分析（一）架构概览所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。