Scrapy框架的运行流程详解

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？

Python的标准模块：sys、os、random和time

Python爬虫支持的网页解析技术有哪些？

黑马程序员python+大数据培训课程