python之路 -- 爬虫 -- Scrapy入门

Posted 2020-12-04 aberwang

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。 其可以应用在数据挖掘，信息处理或存储历史数据等一系列的程序中。
其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的， 也可以应用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

下面是Scrapy的架构，包括组件以及在系统中发生的数据流的概览(绿色箭头所示)。

 

 数据流

 Scrapy中的数据流由执行引擎控制，其过程如下：

---

 

Scarpy的安装

 1 安装：
 2 Linux/mac
 3     - pip3 install scrapy 
 4 Windows:
 5     - 安装twsited
 6         a. pip3 install wheel
 7         b. 下载twisted http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
 8         c. 进入下载目录，执行 pip3 install Twisted-xxxxx.whl
 9     - 安装scrapy 
10         d. pip3 install scrapy -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
11     - 安装pywin32
12         e. pip3 install pywin32  -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

 Scarpy的基本使用

 创建项目：

scrapy startproject tutorial
#该命令将会创建一个新的Scarpy项目

得到：

tutorial/
    scrapy.cfg            # 项目的配置文件
    tutorial/             # 该项目的python模块。之后您将在此加入代码
        __init__.py
        items.py          # 项目中的item文件
        pipelines.py      # 项目中的pipelines文件
        settings.py       # 项目的设置文件
        spiders/          # 放置spider代码的目录
            __init__.py