關(guān)于Python網(wǎng)絡(luò)爬蟲框架scrapy
更新時間：2023年04月26日 10:19:11 作者：菜鳥小超
這篇文章主要介紹了關(guān)于Python網(wǎng)絡(luò)爬蟲框架scrapy,爬蟲框架是實現(xiàn)爬蟲功能的一個軟件結(jié)構(gòu)和功能組件的集合,需要的朋友可以參考下
scrapy爬蟲框架介紹
scrapy不是一個簡單的函數(shù)功能庫，而是一個爬蟲框架
爬蟲框架：
- 爬蟲框架是實現(xiàn)爬蟲功能的一個軟件結(jié)構(gòu)和功能組件的集合。
- 爬蟲框架是一個半成品，能夠幫助用戶實現(xiàn)專業(yè)網(wǎng)絡(luò)爬蟲。
scrapy爬蟲框架結(jié)構(gòu)
“5+2”結(jié)構(gòu)：
- ENGINE ：已有的，核心，控制所有模塊之間的數(shù)據(jù)流，根據(jù)條件觸發(fā)事件
- SCHEDULER：已有的，對所有的爬蟲請求進行調(diào)度管理
- ITEM PIPELINES ：框架出口，用戶編寫，以流水線方式處理Spider產(chǎn)生的爬取項，由一組操作順序組成，類似流水線，每個操作是一個item pipline類型，可能操作包括：清理，檢驗和查重爬取項中的HTML數(shù)據(jù)，將數(shù)據(jù)存儲到數(shù)據(jù)庫
- SPIDERS ：框架入口，用戶編寫，解析downloader返回的響應(yīng)，產(chǎn)生爬取項，以及額外的爬取請求
- DOWNLOADER ：已有的，根據(jù)請求下載網(wǎng)頁
- 2個MIDDLEWARE：Download Middleware：實施Engine，Scheduler和Downloader之間用戶可配置的控制，即用戶可以修改、丟棄、新增請求或響應(yīng)。Spider Middleware，對spider的請求和爬取項的再處理。修改、丟棄、新增請求或爬取項。
requests庫和scrapy庫比較
相同點：兩者都可以進行頁面請求和爬取，Python爬蟲的兩個重要技術(shù)路線。 兩者可用性好，文檔豐富，入門簡單。 兩者都沒有處理js、提交表單、應(yīng)對驗證碼等功能（可擴展）
不同點：
| requests | scrapy |
| 頁面級爬蟲 | 網(wǎng)站級爬蟲 |
| 功能庫 | 框架 |
| 并發(fā)性考慮不足，性能較差 | 并發(fā)性好，性能較高 |
| 重點在于頁面下載 | 重點在于爬蟲結(jié)構(gòu) |
| 定制靈活 | 一般定制靈活，深度定制困難 |
| 上手十分簡單 | 入門稍難 |
scrapy的常用命令
| requests | scrapy |
| 頁面級爬蟲 | 網(wǎng)站級爬蟲 |
| 功能庫 | 框架 |
| 并發(fā)性考慮不足，性能較差 | 并發(fā)性好，性能較高 |
| 重點在于頁面下載 | 重點在于爬蟲結(jié)構(gòu) |
| 定制靈活 | 一般定制靈活，深度定制困難 |
| 上手十分簡單 | 入門稍難 |
到此這篇關(guān)于關(guān)于Python網(wǎng)絡(luò)爬蟲框架scrapy的文章就介紹到這了,更多相關(guān)Python爬蟲框架scrapy內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了python刪除列表中特定元素的幾種方法，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價價值，需要的小伙伴可以參考一下2022-05-05
Pygame實現(xiàn)監(jiān)聽鼠標(biāo)示例詳解
這篇文章主要介紹了通過Pygame模塊實現(xiàn)監(jiān)聽鼠標(biāo)的功能，文章的示例代碼講解詳細(xì)，對我們的學(xué)習(xí)或工作有一定的價值，感興趣的小伙伴可以了解一下2021-12-12
這篇文章主要介紹了通過python為你的股票繪制趨勢圖,動手寫個小程序， 把股票趨勢每天早上發(fā)到郵箱里，用 python 的 pandas, matplotlib 寫起來很容易， 幾十行代碼搞定。,需要的朋友可以參考下2019-06-06
談一談數(shù)組拼接tf.concat()和np.concatenate()的區(qū)別
今天小編就為大家分享一篇談?wù)剶?shù)組拼接tf.concat()和np.concatenate()的區(qū)別，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
springboot整合單機緩存ehcache的實現(xiàn)
本文主要介紹了springboot整合單機緩存ehcache的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
這篇文章主要介紹了Python如何讀取PDF文檔(或TXT)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-12-12
Python?SQLAlchemy之SQL工具包和ORM的用法詳解
SQLAlchemy?是?Python?中一款非常流行的數(shù)據(jù)庫工具包,它對底層的數(shù)據(jù)庫操作提供了高層次的抽象,在本篇文章中,我們將介紹SQLAlchemy的兩個主要組成部分：SQL工具包和對象關(guān)系映射器的基本使用,需要的朋友可以參考下2023-08-08
Linux下Python安裝完成后使用pip命令的詳細(xì)教程
這篇文章主要介紹了Linux下Python安裝完成后使用pip命令的詳細(xì)教程,本文給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值，需要的朋友可以參考下2018-11-11
這篇文章主要介紹了Python裝飾器用法,結(jié)合實例形式總結(jié)分析了Python常用裝飾器的概念、功能、使用方法及相關(guān)注意事項,需要的朋友可以參考下2018-02-02
這篇文章主要介紹了python 利用百度API識別圖片文字（多線程版），幫助大家更好的利用python進行機器識別，感興趣的朋友可以了解下2020-12-12