Python Scrapy小说爬取案例详细教程如何编写？

本文共计767个文字，预计阅读时间需要4分钟。

Scrapy是Python中广泛使用的爬虫框架。结构图如下：

+ Scrapy Engine（引擎）：负责Spider、ItemPipeline、Downloader、Scheduler之间的通信，包括信号和数据传递等。+ Scheduler（调度器）：负责接收爬取任务，管理爬取任务的执行顺序。

scrapy是目前python使用的最广泛的爬虫框架

架构图如下

解释：

• Scrapy Engine(引擎): 负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯，信号、数据传递等。
• Scheduler(调度器): 它负责接受引擎发送过来的Request请求，并按照一定的方式进行整理排列，入队，当引擎需要时，交还给引擎。
• Downloader（下载器）：负责下载Scrapy Engine(引擎)发送的所有Requests请求，并将其获取到的Responses交还给Scrapy Engine(引擎)，由引擎交给Spider来处理，
• Spider（爬虫）：它负责处理所有Responses,从中分析提取数据，获取Item字段需要的数据，并将需要跟进的URL提交给引擎，再次进入Scheduler(调度器)，
• Item Pipeline(管道)：它负责处理Spider中获取到的Item，并进行进行后期处理（详细分析、过滤、存储等）的地方.
• DownloaderMiddlewares（下载中间件）：你可以当作是一个可以自定义扩展下载功能的组件。