Scrapy计划表

第一步

  • Scrapy 一览:理解Scrapy是什么,他能帮到你什么
  • 安装指南:在电脑上安装Scrapy
  • Scrapy 教程:编写第一个Scrapy项目
  • 示例:通过前人写好的Scrapy项目进行学习

基础概念

  • 命令行工具:学习使用命令行工具管理Scrapy项目
  • 爬虫:编写规则爬取网站
  • 选择器:使用XPath从网页中抽取数据
  • Scrapy shell:在一个交互环境中测试抽取代码
  • Items:定义要抓取的数据字段
  • Item 加载器
  • Item 管道
  • Post处理和数据存储.
  • 信息流导出:使用不同的格式输出和存储抓取的数据
  • Requests and Responses:理解用于HTTP请求和响应的类
  • 链接抽取器
  • 配置:学习怎样配置Scrapy,查看所有可用配置
  • 异常:查看所有可用异常及其含义

内建服务

  • 日志记录:学习如何在Scrapy项目中使用Python的内建日志模块
  • 统计收集:收集Scrapy爬虫的统计信息
  • 发送邮件:当某些事件发生时发送邮件提醒
  • Telnet 控制台:使用后Python控制台检视一整正在运行的爬虫
  • Web 服务:使用Web服务管理和控制爬虫

特定问题的解决

  • FAQ(常见问题)
  • 爬虫调试:学习如何调试scrapy爬虫吃的一般问题
  • Spiders Contracts
  • 一般性练习
  • Broad Crawls
  • 使用Firefox进行数据抓取
  • 使用Firebug
  • Debug内存泄漏
  • 下载和处理文件、图片
  • 爬虫部署
  • AutoThrottle extension
  • 压力测:测试爬虫在实际机器上的性能表现
  • 任务暂停和恢复

扩展Scrapy

  • 架构概览:理解Scrapy的架构
  • 下载器中间件:定制网页请求和下载
  • 爬虫中间件 :定制爬虫的输入和输出
  • 扩展:使用定制功能扩展Scrapy
  • 核心 API:在扩展和中间件中使用一扩展Scrapy的功能
  • 信号:查看所有可用的信号及怎样使用它们
  • 数据导出器:快速导出抓取的数据到文件(XML,CSV等等)
posted @ 2017-09-27 15:52  Tacey Wong  阅读(473)  评论(0编辑  收藏  举报