Scrapy 框架架构
目录
前言
- Scrapy (/ˈskreɪpaɪ/) 是一个用于抓取网站和提取结构化数据的应用程序框架，可用于如数据挖掘、信息处理，网络爬虫。
- scrapy基于异步框架实现的（Twisted）
这一节我们学习一下这个框架的基本架构，了解一下各组件是如何交互的。
一、核心组成
- 引擎（Engine）：引擎负责控制系统所有组件之间的数据流。自动运行，无需关注。
- 调度器（Scheduler）：接收来自引擎的请求，放在队列中，需要时在按一定次序交给引擎。
- 下载器（Downloader）：获取请求信息后，从网络获取数据并返回响应。
- 爬虫（Spiders）：我们操作最多的部分，用于解析下载器返回的响应。
- 管道（Item Pipeline）：处理爬虫解析好的数据，例如数据持久化（存入数据库），查重等。
- 下载中间件（Downloader middlewares）：处理引擎发来的请求和下载器发出的响应。
- 爬虫中间件（Spider middlewares）：处理进入spider的响应和出spider的数据或新请求。
二、数据流（图）
三、数据流程
- 引擎从Spider获取初始请求 。
- 引擎请求调度器，并准备下一次请求的抓取
- 调度器将请求交给引擎
- 引擎发出请求经过下载中间件交给下载器
- 下载完成后，下载器返回响应再次经过下载中间件交给引擎
- 引擎接收来自下载器的请求，经过爬虫中间件发送给 爬虫进行处理
- 爬虫处理响应返回数据item，或者新请求交给引擎，中间还会经过爬虫中间件。
- 引擎将item发送给管道，新请求发送给调度器等待调度
- 从第三步进行循环，直到调度其中没有请求
总结
本节介绍了Scrapy框架的基础知识，各部分具体负责什么后面会讲，但是要理解掌握工作流程，这有助于后面工作的进行。
