Scrapy：Python的爬虫框架实例()

Scrapy：Python的爬虫框架实例()

　　scrapy

　　Scrapy：Python 爬虫框架

　　示例演示

　　抓取：汽车之家、瓜子、链家等数据信息

　　版本+环境库

　　Python2.7 + Scrapy1.12

　　Scrapy简介Scrapy是一个为爬取网站数据和提取结构化数据而编写的应用框架。可用于数据挖掘、信息处理或存储历史数据等一系列程序中。

　　申请

　　用json$scrapy crawl car -o Trunks.json生成数据文件

　　直接执行$scrapy crawl car

　　看看有多少爬虫$scrapy list

　　它最初是为网页抓取而设计的，也可用于检索 API（例如 Amazon Associates Web Services）或一般网络爬虫返回的数据。

　　网络爬虫是在互联网上爬取数据的程序，用它来爬取特定网页的 HTML 数据。虽然我们使用一些库来开发爬虫程序，但是使用框架可以大大提高效率，缩短开发时间。 Scrapy是用Python编写的，轻量级，简单轻量级，使用起来非常方便。

　　Scrapy 主要包括以下组件：

　　引擎用于处理整个系统的数据流处理和触发事务。调度器用于接受引擎发送的请求，将其压入队列，当引擎再次请求时返回。下载器用于下载网页内容并将网页内容返回给蜘蛛。蜘蛛，蜘蛛主要是工作，用它来制定特定域名或网页的解析规则。项目管道负责处理蜘蛛从网页中提取的项目。他的主要任务是澄清、验证和存储数据。当页面被蜘蛛解析后，会被发送到项目管道，数据会按照几个特定的​​顺序进行处理。下载器中间件，Scrapy 引擎和下载器之间的钩子框架，主要处理 Scrapy 引擎和下载器之间的请求和响应。 Spider中间件，Scrapy引擎和蜘蛛之间的一个钩子框架，主要工作是处理蜘蛛的响应输入和请求输出。调度中间件，Scrapy引擎和调度之间的中间件，是Scrapy引擎发送给调度的请求和响应。使用Scrapy可以轻松完成采集在线数据的工作，它为我们做了很多工作，不需要花很多精力去开发。

　　官方网站：

　　开源地址：

　　此代码的地址：

　　爬虫的时候不要做违法的事情，开源仅供参考。