纯粹干货，Python爬虫的生产线—爬虫框架
ccwgpt 2024-09-29 09:58 36 浏览 0 评论
前面的一些文章已经将爬虫的基础知识解析了一遍，不过距离实践应用还差一些东西。
用现实世界中的工程做一个比喻吧。
比如说要造一辆汽车，各种零件就是我们学习的各种基础知识，但是只有零件是造不出一辆汽车的，除了充足的零件之外，还需要一条运转良好的生产线，这样才能够够保质保量的生产出所需要的汽车。
在爬虫程序中的担任生产线这一角色的就是爬虫框架。即 Scrapy 爬虫框架 。
Scrapy爬虫框架
Scrapy是一个由Python编写的一个开源网络爬虫框架，是一个用于爬取网络数据、提取结构性数据的爬虫框架。在2008年6月出现初始版本，遵循 BSD License。
主要组件
1.Scrapy引擎（Engine）：Scrapy引擎用来控制整个系统的数据处理流程。
2.调度器（Scheduler）：调度器从Scrapy引擎接受请求并将请求排序列入队列，并在Scrapy引擎发出请求后返还给它们。
3.下载器（Downloader）：下载器用来抓取网页并将网页内容返还给爬虫（Spiders）。
4.爬虫（Spiders）：爬虫是由Scrapy用户自定义的用来解析网页并抓取特定URL返回内容的类，简单的说就是用来定义特定网站的抓取和解析规则的爬虫。也就是我们自己编写的关于特定规则的爬虫程序。
5条目管道（Item Pipeline）：条目管道的主要责任是负责处理由爬虫从网页中抽取的数据条目，它的主要任务是清理重复数据、验证是否是所需数据和存储数据至数据库。
6中间组件（Middlewares）：中间组件是介于Scrapy引擎和其他组件之间的一个连接框架，主要是为了提供自定义的代码来拓展Scrapy的功能，包括下载器中间组件和爬虫中间组件。
数据处理流程
Scrapy框架的整个数据处理流程由Scrapy引擎进行控制，通常的运转流程包括以下的步骤：
1.引擎询问爬虫需要处理哪个网站，并让爬虫提交第一个需要处理的URL。
2.引擎让调度器将需要处理的URL放在队列中。
3.引擎从调度器获取接下来需要爬取的页面。
4.调度器将下一个URL返回给引擎，引擎将它通过下载中间组件发送到下载器。
5.当下载器完成一个下载任务之后，响应内容通过下载中间组件发送到引擎；如果下载失败，引擎会通知调度器记录这个URL，然后会再次重新下载。
6.引擎收到下载器的响应并将它通过爬虫中间组件发送到爬虫进行处理。
7.爬虫处理响应并返回爬取到的数据条目，此外还要将需要将新的URL发送给引擎。
8.引擎将抓取到的数据条目送入条目管道，把新的URL发送给调度器放入队列中。
一般的数据处理流程就是如此，当所有的 URL 全部处理完成之后，从第二步到第八步的循环进程就会停止。
今天就先来解释一下 Scrapy 框架的知识与数据处理流程。
如果想学习更多科技知识，可以点击关注。
如果对文章中的内容有什么困惑的地方，可以在评论区提出自己的问题，学记同大家一起交流，解决各种问题，一起进步。
青年学记 陪伴着各位青年
作者：青年学记 一名不断进步的程序猿
一起学习 一起进步
走向自立
相关推荐
- Android开发基础入门(一):UI与基础控件
-
Android基础入门前言：从今天开始，我们开始分享Android客户端开发的基础知识。一、工具指南工欲善其事必先利其器，我们首先介绍一下开发Android常用的集成开发环境。小雨在上大学期间，开发a...
- 谷歌Material Design质感设计UI开发框架
-
谷歌MaterialDesign质感设计是一个新的用户界面设计概念，即将到来的Android版本称为“AndroidL”中会使用这种设计语言。在这篇文章中,我们收集出最新的和最好的Android...
- Android主流UI开源库整理（android 开源ui）
-
前言最近老大让我整理一份Android主流UI开源库的资料，以补充公司的Android知识库。由于对格式不做特别限制，于是打算用博客的形式记录下来，方便查看、防丢并且可以持续维护、不断更新。标题隐...
- 系统工具类App的开发框架（系统开发方法工具）
-
系统工具类App的开发框架选择，很大程度上取决于目标平台（Android、iOS或两者兼有），以及对性能、系统级访问深度和开发效率的需求。由于这类App常常需要深入操作系统底层，因此原生开发框架通常是...
- 2025年vue前端框架前瞻（vue前端开发规范手册）
-
Vue是一个轻量且灵活的JavaScript框架，广受开发者喜爱，因其简单易用的API和组件化的开发方式而闻名。Vite是一个现代化的前端构建工具，以其极快的开发服务器启动速度和热模块替换...
- 前端流行框架Vue3教程:28. Vue应用
-
28.Vue应用应用实例每个Vue应用都是通过createApp函数创建一个新的应用实例main.jsimport{createApp}from'vue'import...
- 2024 Vue 最全的生态工具组合推荐指南
-
Vue3虽然Vue2很多项目在用，但是官方已经宣布不再维护Vue2，所以新项目肯定首选Vue3来进行开发，组合式API开发起来比选项式API方便多了，而且Vue3的响应式实现也更...
- 基于 Vue3 Element Plus 的中后台管理系统模板
-
PureAdmin是一个开源的前端中后台管理系统模板，基于Vue3、Element-Plus，支持移动端、国际化、多主题设置，支持前端静态路由、后端动态路由配置，旨在为开发人员提供一个易于使用、高...
- 重磅!滴滴开源全新跨端小程序框架，基于 Vue 3!
-
最近，滴滴出行开源了自主研发的全新轻量级跨端小程序框架——星河(Dimina)，为开发者提供了“一次开发，多端运行”的高性能、低门槛解决方案。下面就来一览Dimina的魅力！什么是星河(Dim...
- 【推荐】一款基于 Vue + .NET 8 开源、免费、功能强大的快速开发框架
-
如果您对源码&技术感兴趣，请点赞+收藏+转发+关注，大家的支持是我分享最大的动力！！！项目介绍Vue.NetCore是一款集高效、灵活、易于扩展于一体的快速开发框架（基于Vue提供Vue2/Vue...
- 搭建Trae+Vue3的AI开发环境（vue ide 开发工具）
-
从2024年2025年，不断的有各种AI工具会在自媒体中火起来，号称各种效率王炸，而在AI是否会替代打工人的话题中，程序员又首当其冲。作为一个后端开发，这篇文章基于Trae工具，来创建和运行一个简单的...
- 一款基于 Vue + .NET 8 开源、免费、功能强大的快速开发框架
-
项目介绍Vue.NetCore是一款集高效、灵活、易于扩展于一体的快速开发框架（基于Vue提供Vue2/Vue3版本和.NET8前后端分离），适用于多种应用场景。通过前后端分离的设计、强大的...
- 盘点一下这些年PHP在桌面应用方面的解决方案
-
今天作者给大家盘点一下近些年PHP在实现桌面客户端方面的项目。PHP-GTKPHP-GTK是2001年3月创立，是PHP的一个扩展，实现了与GTK+的绑定，提供面向对象的接口，极大地简化了客户端跨平台...
- PHP+Uniapp校园圈子系统校园论坛小程序开发:踩坑与优化经验分享
-
一、系统架构与技术选型1.架构设计采用前后端分离架构，前端使用Uniapp实现跨端开发（支持微信小程序、H5、App），后端基于PHP（推荐ThinkPHP或Laravel框架）提供RESTful...
- 智能匹配+安全护航:PHP代练系统护航小程序如何提升用户信任?
-
在代练行业中，用户信任是平台发展的核心要素。基于PHP后端与uni-app跨端框架的代练系统，通过智能匹配与安全护航两大核心策略，能够有效提升用户信任，构建健康可持续的代练生态。以下从技术实现与用户体...
欢迎 你 发表评论:
- 一周热门
- 最近发表
- 标签列表
-
- MVC框架 (46)
- 框架图 (58)
- flask框架 (53)
- quartz框架 (51)
- abp框架 (47)
- jpa框架 (47)
- springmvc框架 (49)
- 分布式事务框架 (65)
- scrapy框架 (56)
- shiro框架 (61)
- 定时任务框架 (56)
- java日志框架 (61)
- JAVA集合框架 (47)
- mfc框架 (52)
- abb框架断路器 (48)
- ui自动化框架 (47)
- beego框架 (52)
- grpc框架 (55)
- ppt框架 (48)
- 内联框架 (52)
- cad怎么画框架 (58)
- ps怎么画框架 (47)
- ssm框架实现登录注册 (49)
- oracle字符串长度 (48)
- oracle提交事务 (47)