scrapy的基础概念和流程
1. 什么是scrapy
Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架,我们只需要实现少量的代码,就能够快速的抓取。
Scrapy 使用了Twisted['twɪstɪd]异步网络框架,可以加快我们的下载速度。
2. 异步和非阻塞的区别
-
异步:调用在发出之后,这个调用就直接返回,不管有无结果
-
非阻塞:关注的是程序在等待调用结果(消息,返回值)时的状态,指在不能立刻得到结果之前,该调用不会阻塞当前线程。
3. scrapy是工作流程
3.1 之前的爬虫流程
3.2 上面的流程可以改写为
3.3 scrapy的流程
其流程可以描述如下:
-
调度器把requests-->引擎-->下载中间件--->下载器
-
下载器发送请求,获取响应---->下载中间件---->引擎--->爬虫中间件--->爬虫
-
爬虫提取url地址,组装成request对象---->爬虫中间件--->引擎--->调度器
-
爬虫提取数据--->引擎--->管道
-
管道进行数据的处理和保存
注:
-
图中绿色线条的表示数据的传递
-
注意图中中间件的位置,决定了其作用
-
注意其中引擎的位置,所有的模块之前相互独立,只和引擎进行交互