Scrapy爬虫框架介绍

scrapy安装：在cmd命令行中执行pip install scrapy

测试安装成功：执行scrapy -h

结构：

Engine:控制所有模块之间的数据流，根据条件触发事件（不需要用户修改）

Downloader:根据用户请求下载网页（不需要用户修改）

Scheduler:对所有爬取请求进行调度管理（不需要用户修改）

Downloader Middleware

        目的：实施Engine、Scheduler和Downloader之间进行用户可配置的控制

        功能：修改、丢弃、新增请求或响应

        用户可以修改代码

Spider：解析Downloader返回的响应（Response）、产生爬取项（scraped item）、产生额外的爬取需求（Request）    （需要用户编写配置代码）

Item Pipelines：以流水线方式处理Spider产生的爬取项、由一组操作顺序组成，类似流水线，每个操作是一个Item Pipeline类型、可能操作包括：清理，检验和查重爬取项中的HTML数据，将数据存储到数据库（由用户来编写配置代码）

Spider Middleware：（用户可以来编写配置代码）

        目的：对请求和爬取项的再处理、

        功能：修改、丢弃、新增请求或爬取项