scrapy之五大核心组件

scrapy之五大核心组件

　　scrapy一共有五大核心组件，分别为引擎、下载器、调度器、spider（爬虫文件）、管道。

　　爬虫文件的作用：

　　　　a. 解析数据

　　　　b. 发请求

　　调度器：

　　　　a. 队列

　　　　　　队列是一种数据结构，拥有先进先出的特性。

　　　　b. 过滤器

　　　　　　过滤器适用于过滤的，过滤重复的请求。

　　　　调度器是用来调度请求对象的。

　　引擎：

　　　　所有的实例化的过程都是由引擎来做的，根据那到的数据流进行判断实例化的时间。

　　　　处理流数据

　　　　触发事物

　　scrapy五大核心组件之间的工作流程：

　　scrapy框架得的五大组件之间的工作流程上图所示：

　　当我们执行爬虫文件的时候，这五大组件就已经开始工作了 。其中，

　　1  首先，我们最原始的起始url是在我们爬虫文件中的，通常情况系，起始的url只有一个，当我们的爬虫文件执行的时候，首先对起始url发送请求，将起始url封装成了请求对象，将请求对象传递给了引擎，引擎就收到了爬虫文件给它发送的封装了起始URL的请求对象。我们在爬虫文件中发送的请求并没有拿到响应（没有马上拿到响应），只有请求发送到服务器端，服务器端返回响应，才能拿到响应。

　　2  引擎拿到这个请求对象以后，又将请求对象发送给了调度器，队列接受到的请求都放到了队列当中，队列中可能存在多个请求对象，然后通过过滤器，去掉重复的请求

　　3  调度器将过滤后的请求对象发送给了引擎，

　　4  引擎将拿到的请求对象给了下载器

　　5  下载器拿到请求后将请求拿到互联网进行数据下载

　　6  互联网将下载好的数据发送给下载器，此时下载好的数据是封装在响应对象中的

　　7  下载器将响应对象发送给引擎，引擎接收到了响应对象，此时引擎中存储了从互联网中下载的数据。

　　8  最终，这个响应对象又由引擎给了spider（爬虫文件），由parse方法中的response对象来接收，然后再parse方法中进行解析数据，此时可能解析到新的url，然后再次发请求；也可能解析到相关的数据，然后将数据进行封装得到item，

　　9  spider将item发送给引擎，

　　10  引擎将item发送给管道。

 

　　其中，在引擎和下载中间还有一个下载器中间件，spider和引擎中间有爬虫中间件，

　　下载器中间件

　　　　可以拦截请求和响应对象，请求和响应交互的时候一定会经过下载中间件，可以处理请求和响应。

　　爬虫中间件

　　　　拦截请求和响应，对请求和响应进行处理。

 

0