殷氏科技网站建设工作室城乡住房建设网站

了解Scrapy 爬虫框架的工作流程：

在scrapy中， 具体工作流程是这样的：

首先第一步 当爬虫引擎<engine>启动后， 引擎会到 spider 中获取 start_url<起始url> 然后将其封装为一个request对象， 交给调度器<scheduler>,  这个调度器中存的是一个又一个的待请求的url request对象， 然后调度器会通过引擎将请求对象交给 下载器<downloader>  下载器获取到请求对象后， 发送请求，获取响应， 然后将获取的响应封装成一个响应对象 response 后通过引擎再交给spider 来进行数据解析， 数据的解析结果如果是 Url, 则通过引擎继续交给调度器， 如果是数据， 则会通过引擎，将数据交给管道<pipline>， 这就是scrapy的工作流程，

下载：

pip install scrapy

创建爬虫项目：

在终端中使用scrapy命令来创建一个爬虫项目：

scrapy startproject 项目名字

 当我们使用命令完成创建项目的时候， scrapy会自动给我们创建一个有关 项目名  的文件夹：

第一个 game 只是scrapy 创建的项目文件， 也就是项目根目录。

第二个game 目录则是我们的scrapy项目了，  项目目录下的 spiders 目录就是 有关 spider 爬虫脚本的目录

items： 暂时先不了解

middlewares: 中间件

pipelines: 管道， 所有爬虫获取到的数据最终都会到管道来

settings: 项目配置文件

创建爬虫：

使用scrapy命令创建爬虫， 但在运行命令之前，需要 cd 进入到爬虫项目中

scrapy genspider <spidername><域名>

scrapy genspider myspider baidu.com

然后你会发现在spiders目录下，会多出一个爬虫脚本，点开脚本 ：

 你会发现scrapy为我们创建了一个爬虫类， 集成之Spider

name 则是爬虫的名字

allowed_domains 则是允许爬取的域名， 除此以外的域名都会被过滤掉

start_urls 则就是起始URL了

而此爬虫类中， 还提供了一个 parse 方法， 此方法就是用来解析获取的响应结果的，

启动爬虫：

启动爬虫也很简单， 使用命令启动爬虫

scrapy crawl 爬虫名字

你会看到控制台打印很多东西， 不用着急， 这只是scrapy的输出日志而已， 我们可以通过命令行或者在settings中配置一下日志输出级别：

楼主这里是在settings 文件中配置的:

加上这句， 配置日志级别为 warning， 那么控制台就只能打印 warning及以上级别的信息了