• 欢迎访问佰阅部落
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏吧

win10安装python和scrapy爬虫框架

开发工具 佰阅 4年前 (2019-05-31) 2459次浏览 0个评论

scrapy是爬虫领域最常用的,学了那么多教程,最后感觉越学越乱,还不如直接使用这个scrapy工具

1.win10安装python

win10安装python非常简单,只需打开微软商店(Microsoft store),然后搜索python 即可。非常方便

win10安装python和scrapy爬虫框架

2. scrapy安装

步骤:

  • 1.安装Twisted:下载文件https://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted,然后复制完整路径,后输入:pip install 路径/文件名 示例:pip install X:\Users\baiyue\Downloads\Twisted-19.2.0-cp37-cp37m-win_amd64.whl
  • 2.输入pip install pywin32 scrpay直到输出为Successfully installed pyasn1-0.4.5 pyasn1-modules-0.2.5 scrapy-1.6.0 service-identity-18.1.0即代表成功。

3. scrapy原理及使用

win10安装python和scrapy爬虫框架

Scrapy主要包括了以下组件:

  • 引擎(Scrapy) 用来处理整个系统的数据流, 触发事务(框架核心)
  • 调度器(Scheduler) 用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL(抓取网页的网址或者说是链接)的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址
  • 下载器(Downloader) 用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的)
  • 爬虫(Spiders) 爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面
  • 项目管道(Pipeline) 负责处理爬虫从网页中抽取的实体,主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后,将被发送到项目管道,并经过几个特定的次序处理数据。
  • 下载器中间件(Downloader Middlewares) 位于Scrapy引擎和下载器之间的框架,主要是处理Scrapy引擎与下载器之间的请求及响应。
  • 爬虫中间件(Spider Middlewares) 介于Scrapy引擎和爬虫之间的框架,主要工作是处理蜘蛛的响应输入和请求输出。
  • 调度中间件(Scheduler Middewares) 介于Scrapy引擎和调度之间的中间件,从Scrapy引擎发送到调度的请求和响应。
  • 引擎从调度器中取出一个链接(URL)用于接下来的抓取
  • 引擎把URL封装成一个请求(Request)传给下载器
  • 下载器把资源下载下来,并封装成应答包(Response)
  • 爬虫解析Response
  • 解析出实体(Item),则交给实体管道进行进一步的处理
  • 解析出的是链接(URL),则把URL交给调度器等待抓取

4.scrapy shell调试模式

scrapy shell是个神奇的东西,可以快速帮助我们调试,帮助我们正确反馈最终信息。

示例:

scrapy shell https://baiyue.one
····
····
>>> response.css('title')
[<Selector xpath='descendant-or-self::title' data='<title>佰阅部落|让优质web应用脱颖而出</title>'>]
>>> response.css('title').extract()
['<title>佰阅部落|让优质web应用脱颖而出</title>']
>>>

佰阅部落 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:win10安装python和scrapy爬虫框架
喜欢 (0)

您必须 登录 才能发表评论!