列举几个简单的例子来更好的理解scrapy工作的原理
说明：了解爬虫的可能都会知道，在爬虫里，requests入门简单，即使是没有基础的小白，学个几天也能简单的去请求网站，但是scrapy就相对来说就比较难，本片文章能是列举几个简单的例子去理解的scrapy工作的原理，理解了scrapy工作的原理之后，学起来就会简单很多
适用：本篇文章适合有一点的爬虫基础但又是刚刚接触或者想要学习scrapy的同学
scrapy框架：
scrapy是Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
scrapy框架的结构：
scrapy是一个5+2结构,见下图
5表示：1. spiders(蜘蛛)2. engine(引擎)3. downloader(下载器)4. scheduler(调度器)5. item pipeline(项目管道)2表示：1. downloder middlewares(下载中间件)2. spider middlewares(蜘蛛中间件)
[图片上传失败...(image-946ae8-1545285941079)]
接下来我们就列举几个列子来方便的理解scrapy原理：
先说一下爬虫，对于一个爬虫，整体来看，分为三个部分:
请求
就是请求网站，分为get和post
解析
就是解析网站返回的response，即对response进行进一步处理
存储
就是把处理过的信息存储到文件，或者数据库的操作
而scrapy框架也无外乎也是这分三个部分，下面是4个情景设定，都是学习scrapy刚开始会遇到的，在每个设定后面对其工作的原理给出了简单解释，之所以不写太过详细，是为了方便大家理解，让大家在大脑里面对scrapy框架有大致的轮廓：
设定一：初始url：1个是否解析：否是否存储数据：否（1）spider将初始url经过engine传递给scheduler，形成调度队列（1个requests）（2）scheduler将requests经过engine调度给downloader进行数据下载，形成原始数据设定二：初始url：1个是否解析：是是否存储数据：否（1）spider将初始url经过engine传递给scheduler，形成调度队列（1个requests）（2）scheduler将requests经过engine调度给downloader进行数据下载，形成原始数据（3）将原始数据经过engine传递给spider进行解析设定三：初始url：1个是否解析：是是否存储数据：是（1）spider将初始url经过engine传递给scheduler，形成调度队列（多个requests）（2）scheduler将第一个requests经过engine调度给downloader进行数据下载，形成原始数据（3）将原始数据经过engine传递给spider进行解析（4）将解析后的数据经过engine传给item pipeline进行数据存储设定四：初始url：多个是否解析：是是否存储数据：是（1）spider将初始url经过engine传递给scheduler，形成调度队列（多个requests）（2）scheduler将第一个requests经过engine调度给downloader进行数据下载，形成原始数据（3）将原始数据经过engine传递给spider进行解析（4）将解析后的数据经过engine传给item pipeline进行数据存储（5）scheduler将下一个requests经过engine调度给downloader进行数据下载，形成原始数据......#重复(2)到（4）步，直到scheduler中没有更多的requests
赞 (0)