首页 / 爬虫 / python爬虫之scrapy的使用

python爬虫之scrapy的使用

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python爬虫之scrapy的使用，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2835字，纯文字阅读大概需要5分钟。

内容图文

一、Scarpy框架介绍

python爬虫之scrapy的使用 - 文章图片



    1、引擎(EGINE)
    引擎负责控制系统所有组件之间的数据流，并在某些动作发生时触发事件。有关详细信息，请参见上面的数据流部分。

    2、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的优先级队列, 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

    3、下载器(DOWLOADER)
    用于下载网页内容, 并将网页内容返回给EGINE，下载器是建立在twisted这个高效的异步模型上的

    4、爬虫(SPIDERS)
    SPIDERS是开发人员自定义的类，用来解析responses，并且提取items，或者发送新的请求

    5、项目管道(ITEM PIPLINES)
    在items被提取后负责处理它们，主要包括清理、验证、持久化（比如存到数据库）等操作
    下载器中间件(Downloader Middlewares)位于Scrapy引擎和下载器之间，主要用来处理从EGINE传到DOWLOADER的请求request，已经从DOWNLOADER传到EGINE的响应response，
    你可用该中间件做以下几件事：
      　　(1) process a request just before it is sent to the Downloader (i.e. right before Scrapy sends the request to the website);
      　　(2) change received response before passing it to a spider;
      　　(3) send a new Request instead of passing received response to a spider;
      　　(4) pass response to a spider without fetching a web page;
      　　(5) silently drop some requests.

    6、爬虫中间件(Spider Middlewares)
    位于EGINE和SPIDERS之间，主要工作是处理SPIDERS的输入（即responses）和输出（即requests

二、Scarpy的安装

    1、pip3 install wheel
    2、pip3 install lxml
    3、pip3 install pyopenssl
    4、pip3 install pypiwin32
    5、安装twisted框架
        下载twisted
            http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
        安装下载好的twisted
            pip3 install 下载目录\Twisted-17.9.0-cp36-cp36m-win_amd64.whl

    6、pip3 install scrapy

python爬虫之scrapy的使用 - 文章图片

python爬虫之scrapy的使用 - 文章图片

三、Scarpy使用 

 1 1、进入终端cmd
 2         - scrapy
 3             C:\Users\administortra>scrapy
 4             Scrapy 1.6.0 - no active project
 5 
 6 2、创建scrapy项目
 7       1.创建一个文件夹，专门用于存放scrapy项目
 8           - D:\Scrapy_prject
 9       2.cmd终端输入命令
10           scrapy startproject Spider_Project（ 项目名）
11           - 会在 D:\Scrapy_prject文件夹下会生成一个文件
12             Spider_Project : Scrapy项目文件
13 
14       3.创建爬虫程序
15          cd Spider_Project  # 切换到scrapy项目目录下
16                        # 爬虫程序名称     目标网站域名
17          scrapy genspider   baidu     www.baidu.com  # 创建爬虫程序
18 
19 3、启动scrapy项目，执行爬虫程序
20 
21         # 找到爬虫程序文件进行执行
22         scrapy runspider只能执行某个 爬虫程序.py
23             # 切换到爬虫程序执行文件目录下
24             - cd D:\Scrapy_prject\Spider_Project\Spider_Project\spiders
25             - scrapy runspider baidu.py
26 
27         # 根据爬虫名称找到相应的爬虫程序执行
28         scrapy crawl 爬虫程序名称
29             # 切换到项目目录下
30             - cd D:\Scrapy_prject\Spider_Project
31             - scrapy crawl baidu

 



内容总结

以上是互联网集市为您收集整理的python爬虫之scrapy的使用全部内容，希望文章能够帮你解决python爬虫之scrapy的使用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。

本文链接：https://qyyshop.com/info/797352.html

来源：【匿名】