首页技术文章正文

scrapy框架的工作流程介绍

更新时间:2021-06-09 来源:黑马程序员 浏览量:

1577370495235_学IT就到黑马程序员.gif

Scrapy的运作流程由引擎控制,其过程如下:

(1)引擎向Spiders请求第个要爬取的URL(s)。

(2)引擎从Spiders中获取到第一个要爬取的URL,封装成Request并交给调度器。

(3)引擎向调度器请求下一个要爬取的Request。

(4)调度器返回下一个要爬取的Request给引擎,引擎将Request 通过下载中间件转发给下载器。

(5)一旦页面下载完毕,下载器生成一个该页面的Response,并将其通过下载中间件发送给引擎。

(6)引擎从下载器中接收到Response并通过Spider中间件发送给Spider处理。

(7)Spider处理Response并返回爬取到的Item及新的Request给引擎。

(8)引擎将爬取到的Item给Item Pipeline,将Request给调度器。

(9)从第(2)步开始重复,直到调度器中没有更多的Request。


为了帮助大家更好地理解Scrapy的一次完整运行流程,下面把Scrapy的运作流程用拟人小剧场的方式进行表现,如下所示:

(1)引擎: Hi! Spider,你要处理哪一个网站?

(2)Spider:老大要我处理xxx.om。

(3)引擎:你把第一个需要处理的URL给我吧。

(4)Spider: 给你,第一个URL是xxxxx.om。

(5)引擎: Hi!调度器,我这有Request请求,你帮我排序入队一下。

(6)调度器:好的,正在处理,你等一下。

(7)引擎: Hi!调度器,把你处理好的Request请求给我。

(8)调度器:给你,这是我处理好的Requesto

(9)引擎: Hi!下载器,你按照老大的下载中间件的设置帮我下载一下这个Request请求。

(10)下载器:好的!给你,这是下载好的东西。(如果失败: Sorry,这个Request下载失败了。然后引擎告诉调度器,这个Request 下载失败了,你记录一下,我们待会儿再下载)。

(11)引擎: Hi! Spider, 这是下载好的东西,并且已经按照老大的下载中间件处理过了,你自己处理一下(注意!这儿Responses默认是交给def parse(这个函数处理的)。

(12) Spider:(处理完毕数据之后对于需要跟进的URL),Hi!引擎,我这里有两个结果,这个是我需要跟进的URL,还有这个是我获取到的Item数据。

(13) 引擎: Hi!管道,我这儿有个item你帮我处理一下!调度器!这是需要跟进的URL你帮我处理下。

(14)管道,调度器:好的,现在就做!

然后,从第(4)步开始循环,直到获取完老大需要的全部信息。



猜你喜欢:

Python爬虫难学吗?学会需要多久?

网络爬虫之通用爬虫和聚焦爬虫

Python爬虫支持的网页解析技术有哪些?

三种分布式爬虫策略的优缺点

多线程爬虫是什么?多线程爬虫流程分析

黑马程序员python+大数据培训课程

分享到:
在线咨询 我要报名
和我们在线交谈!