欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

python爬虫之scrapy框架详解

程序员文章站 2022-03-15 19:25:49
1.在pycharm下安装scrapy函数库2.将安装好scrapy函数库下的路径配置到系统path的环境变量中3.打开cmd终端输入:scrapy.exe检查是否安装成功4.创建一个项目:scrap...
1.在pycharm下安装scrapy函数库
2.将安装好scrapy函数库下的路径配置到系统path的环境变量中
3.打开cmd终端输入:scrapy.exe检查是否安装成功
4.创建一个项目:scrapy startproject 项目名字
5.cd进入该目录下,创建一个spider:scrapy genspider 项目名字 网址
6.编辑settings.py文件中的user_agent选项为正常的浏览器头部
7.执行这个spider:scrapy crawl 项目名字
8.如果遇到因pip版本太低导致安装不了scarpy函数库,可以先在cmd窗口输入py -m pip install --upgrade pip升级命令(前提是你的python环境下得有pip,可通过输入pip命令查看是否已安装,如未安装得去官网下载并解压至相应路径)

代码示例命令截图:

python爬虫之scrapy框架详解

项目文件截图:

python爬虫之scrapy框架详解

settings.py文件截图:(需要修改爬取网站的user_agent)

python爬虫之scrapy框架详解

scrapy运行工作流程图:

spiders(爬虫):它负责处理所有responses,从中分析提取数据,获取item字段需要的数据,并将需要跟进的url提交给引擎,再次进入scheduler(调度器)

engine(引擎):负责spideritempipelinedownloaderscheduler中间的通讯,信号、数据传递等。

scheduler(调度器):它负责接受引擎发送过来的request请求,并按照一定的方式进行整理排列,入队,当引擎需要时,交还给引擎。

downloader(下载器):负责下载scrapy engine(引擎)发送的所有requests请求,并将其获取到的responses交还给scrapy engine(引擎),由引擎交给spider来处理

itempipeline(管道):它负责处理spider中获取到的item,并进行进行后期处理(详细分析、过滤、存储等)的地方.

downloader middlewares(下载中间件):你可以当作是一个可以自定义扩展下载功能的组件。

spider middlewaresspider中间件):你可以理解为是一个可以自定扩展和操作引擎和spider中间

通信的功能组件(比如进入spider的responses;和从spider出去的requests)
python爬虫之scrapy框架详解

总结

本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注的更多内容!