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中如何用numpy array对数据赋值

  本文主要介绍了numpy array找出符合条件的数并赋值的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧<BR>

• Pytorch中怎么安装和利用Tensorboard观察数据

  这篇文章主要介绍了Pytorch用Tensorboard来观察数据，上一篇文章我们讲解了关于Pytorch Dataset的数据处理，这篇我们就来讲解观察数据，下面具体相关资料,需要的朋友可以参考一下，希望对你有所帮助

• 如何Python写一个自动生日祝福的邮件发送功能

  这篇文章主要介绍了教你怎么用Python实现自动生日祝福,文中有非常详细的代码示例,对正在学习python的小伙伴们有很好地帮助,需要的朋友可以参考下

• 用python的seed()方法怎样生成随机数

  如果要考察某公司的牛奶产品质量，可以从100袋牛奶中抽取30袋，在随机数表中选中一数，并用向上、下、左、右不同的读法组成30个数，并按牛奶的标号进行检测，虽然麻烦，但很常用。在日常生活中，随机数起着很大的作用，所以很多人会专门去寻找随机数生成器。

• pycharm安装cv2模块失败该怎么办

  这篇文章主要介绍了pycharm无法安装cv2模块问题及解决方案，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教