scrapy框架的理解

　　在每一次學習一個新東西之前，需要知道的幾個問題。這個東西是什么(what),怎么使用(how)，為什么(why)

scrapy的概念：Scrapy是一個為了爬取網站數據，提取結構性數據而編寫的框架。

scrapy的作用：通過少量代碼實現快速抓取。

scrapy一共有5個模塊和2個中間件，模塊分別是Spider爬蟲模塊，engine引擎模塊，scheduler調度器模塊，Downloader下載器模塊，Pipeline管道模塊。中間件分別是Downloader--Middlewares(下載器中間件)，

Spider-Middlewares(爬蟲中間件)。

engine引擎模塊：負責數據和信號在不同模塊間的傳遞。

scheduler調度器模塊：實現一個隊列，存放引擎發過來的request請求對象。

Downloader下載器模塊：發送引擎發過來的request請求，獲取響應，并將response傳遞給引擎。

Spider爬蟲模塊：處理引擎發過來的response，提取數據，提取url，并交給引擎。

Pipeline管道模塊：處理引擎傳遞過來的數據，比如存儲。格式可以是csv、json、mongodb、redis、mysql.

下載中間件(downloader middleware)：可以自定義的下載擴展，比如設置代理Ip。

爬蟲中間件(spider middleware)：可以自定義request請求和進行response過濾。

?

scrapy的工作原理流程：

1.spider---request---engine

2.engine---request---scheduler

3.scheduler---request---engine

4.engine---request---downloader

5.downloader---response---engine

6.engine---response---spider

7.spider---new_url---engine

重復1-6

8.spider---data---engine

9.engine---data---pipeline

?

scrapy框架的運行流程以及數據傳遞過程：

1. 調度器把requests-->引擎-->下載中間件--->下載器
2. 下載器發送請求，獲取響應---->下載中間件---->引擎--->爬蟲中間件--->爬蟲
3. 爬蟲提取url地址，組裝成request對象---->爬蟲中間件--->引擎--->調度器
4. 爬蟲提取數據--->引擎--->管道
5. 管道進行數據的處理和保存

?