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
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
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>']
>>>
