Scrapy 框架流程

爬虫框架------Srcapy框架

》》》Scrapy框架是用纯python实现的一个为了爬取网站数据，提取结构性的数据而编写的应用框架，用途非常广泛
》》》Scrapy框架是使用了Twisted（其主要对手是Tornado）异步网络框架来处理网络通信，可以加快我们的下载速度，不用自己去实现异步框架，并且包含了各中中间件接口，可以灵活的完成各种需求

Scrapy架构图

Scrapy主要的组件

》》》Scrapy Engine（引擎）：负责Scrapys，ItemPipline，Downloader，Scheduler中间测通信、信号，数据的传递
》》》Scheduler（调度器）：它负责接收引擎发过来的Request请求，并按照一定的方式进行整理排列，入队，当引擎需要时，交还给引擎。
》》》Downloder（下载器）：负责Scrapy Engine（引擎）发送的所用的Request请求，并将获取的Responses交还给Scrapy Engine（引擎），由引擎交给Spider来处理
》》》Spider（爬虫）：他负责处理所有的Request，从中分析提取数据，获取Item字段需要的数据，并将需要的跟进的URL提交给引擎，再次进入到Scheduler（调度器）
》》》ItemPipline（管道）：它负责处理Spider 中获取到的Item，并进行后期的处理（详细的分析，过滤，存储等）的地方
》》》Downloader Middlewares（下载中间件）：你可以当做是一个可以自定义扩展下载功能的组件
》》》Spider Middlewares （Spider中间件）：你可以理解为是一个可以自定义扩展和操作引擎和Spider中间通信的功能组件（比如进入到Spider的Responses；和Spider出去的Request）

Scrapy的运作流程

1.引擎：Hi！Spider, 你要处理哪一个网站？
2.Spider：老大要我处理xxxx.com。
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xxxxxxx.com。
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request
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URL你帮我处理下。然后从第四步开始循环，直到获取完老大需要全部信息。
14.管道``调度器：好的，现在就做！