这篇文章给大家分享的是Python scrapy框架的相关内容，下文介绍了创建scrapy项目的操作，scrapy框架常用命令，scrapy项目下载文件和scrapy框架的整体执行流程，对大家了解和学习scrapy框架的使用会有一定的帮助，感兴趣的朋友就继续往下看吧。

    scrapy框架概述：Scrapy，Python开发的一个快速,高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。

    创建项目

    由于pycharm不能直接创建scrapy项目，必须通过命令行创建，所以相关操作在pycharm的终端进行：
    1、安装scrapy模块：
    pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scrapy
    2、创建一个scrapy项目：scrapy startproject test_scrapy
    4、生成一个爬虫：scrapy genspider itcast "itcast.cn”
    5、提取数据：完善spider，使用xpath等方法
    6、保存数据：pipeline中保存数据

    常用的命令

    创建项目：scrapy startproject xxx
    进入项目：cd xxx #进入某个文件夹下
    创建爬虫：scrapy genspider xxx（爬虫名） xxx.com （爬取域）
    生成文件：scrapy crawl xxx -o xxx.json (生成某种类型的文件)
    运行爬虫：scrapy crawl XXX
    列出所有爬虫：scrapy list
    获得配置信息：scrapy settings [options]

    Scrapy项目下文件

    scrapy.cfg: 项目的配置文件
    test_scrapy/: 该项目的python模块。在此放入代码（核心）
    test_scrapy/items.py: 项目中的item文件.（这是创建容器的地方，爬取的信息分别放到不同容器里）
    test_scrapy/pipelines.py: 项目中的pipelines文件.
    test_scrapy/settings.py: 项目的设置文件.（我用到的设置一下基础参数，比如加个文件头，设置一个编码）
    test_scrapy/spiders/: 放置spider代码的目录. （放爬虫的地方）

    scrapy框架的整体执行流程

    1.spider的yeild将request发送给engine
    2.engine对request不做任何处理发送给scheduler
    3.scheduler，生成request交给engine
    4.engine拿到request，通过middleware发送给downloader
    5.downloader在\获取到response之后，又经过middleware发送给engine
    6.engine获取到response之后，返回给spider，spider的parse()方法对获取到的response进行处理，解析出items或者requests
    7.将解析出来的items或者requests发送给engine
    8.engine获取到items或者requests，将items发送给ItemPipeline，将requests发送给scheduler（ps，只有调度器中不存在request时，程序才停止，及时请求失败scrapy也会重新进行请求）

    关于yeild函数介绍

    简单地讲，yield 的作用就是把一个函数变成一个 generator（生成器），带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，带有yeild的函数遇到yeild的时候就返回一个迭代值，下次迭代时， 代码从 yield 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行， 直到再次遇到 yield。

    通俗的讲就是：在一个函数中，程序执行到yield语句的时候，程序暂停，返回yield后面表达式的值，在下一次调用的时候，从yield语句暂停的地方继续执行，如此循环，直到函数执行完。

    关于Python scrapy框架的使用和执行流程就介绍到这，有这方面学习需要的朋友可以了解看看你，想要了解更多scrapy框架的内容，大家可以关注其它的相关文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python用于人工智能方面具备哪些好处

  人工智能用Python语言，因为它有以下几点优势，优质的文档，Python极其容易上手，因为Python有极其简单的说明文档；平台无关，可以在现在每一个Lnix版本上使用，由于它的开源本质，Python已经被移植在许多平台上；

• 详解用python实现学生选课系统及过程

  我们知道Python的功能是很强大的，能够实现多种管理系统，这篇就给大家分享用python怎样实现学生选课系统，下文有详细的实现过程及代码，感兴趣的朋友可以参考看看，接下来我们一起来了解一下吧。

• Supervisor如何安装和配置，怎样使用

  Supervisor 是一款 Python 开发的进程管理系统，允许用户监视和控制 Linux 上的进程，能将一个普通命令行进程变为后台守护进程，异常退出时...

• Python的urllib库可以做什么，怎样使用？

  Python的urllib库可以做什么？对于python爬虫应用urllib库起着重要作用，有一些朋友对于urllib库使用不是很了解，对此这篇就给大家来介绍一下urllib库的使用，文中的介绍很详细，感兴趣的朋友就跟随小编一起来学习一下吧。

• Matplotlib中文设置乱码的情况怎么办，该如何解决好

  最近手头有公司的数据资源,正好拿来练习了matplotlib的画图,期间碰到一个坑,就是中文在图表中显示的是方框,下面这篇文章主要给大家介绍了关于Matplotlib中文乱码的两种详细解决方案,需要的朋友可以参考下