Scrapy入门

一.安装教程

1.安装Python

    根据自己的情况下载相应版本的Python包，建议使用Python3版本的。

    下载地址：https://www.python.org/downloads/

2.安装pywin32

    下载地址：https://sourceforge.net/projects/pywin32/files/pywin32/Build%20217/

3.安装lxml

    下载地址：https://pypi.org/project/lxml/3.6.0/#downloads

4.安装pyOpenSSL

    可以直接使用pip进行安装，输入命令"pip install pyOpenSSL"

5.安装scapy

    可以直接使用pip进行安装，输入命令"pip install scapy"

二.基本使用

1.初始化scrapy项目

    scrapy startproject 项目名称

2.scrapy的处理流程

3.整体框架

• ①引擎(Scrapy Engine)，用来处理整个系统的数据流处理，触发事务。
• ①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。
• ①下载器(Downloader)，用于下载网页内容，并将网页内容返回给蜘蛛。
• ①蜘蛛(Spiders)，蜘蛛是主要干活的，用它来制订特定域名或网页的解析规则。编写用于分析response并提取item(即获取到的item)或额外跟进的URL的类。 每个spider负责处理一个特定(或一些)网站。
• ①项目管道(Item Pipeline)，负责处理有蜘蛛从网页中抽取的项目，他的主要任务是清晰、验证和存储数据。当页面被蜘蛛解析后，将被发送到项目管道，并经过几个特定的次序处理数据。
• ①下载器中间件(Downloader Middlewares)，位于Scrapy引擎和下载器之间的钩子框架，主要是处理Scrapy引擎与下载器之间的请求及响应。
• ①蜘蛛中间件(Spider Middlewares)，介于Scrapy引擎和蜘蛛之间的钩子框架，主要工作是处理蜘蛛的响应输入和请求输出。
• ①调度中间件(Scheduler Middlewares)，介于Scrapy引擎和调度之间的中间件，从Scrapy引擎发送到调度的请求和响应。

    推荐：详细资料请参考此链接 https://www.jianshu.com/p/a8aad3bf4dc4