教学课件13：爬虫框架-scrapy框架初探.pptVIP

正版课件 内容可修改;爬虫框架-scrapy框架初探;复习;1、了解Scrapy构架中的核心组件的作用 2、能描述在scrapy框架中爬取对象的数据流动过程 3、理解scrapy中get与post对应的函数思想 4、能学会利用scrapy实现网页的多页爬取 教学难点：利用requests方法重写start_requests()函数;1;Scrapy架构原理;Scrapy主要包括以下组件： 引擎(Scrapy Engine)：处理整个系统的数据流处理、触发事务，是整个框架的核心； 项目(Item)：定义了爬取结果的数据结构，爬取的数据会被赋值成该Item对象； 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)； 蜘蛛(Spiders)：蜘蛛是主要干活的。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)：负责处理蜘蛛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。当页面被蜘蛛解析后，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； 蜘蛛中间件(Spider Middlewares)：介于Scrapy引擎和蜘蛛之间的框架，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。 ;Scrapy架构原理;Scrapy架构原理;Scrapy架构原理;;Scrapy简介以及安装;1;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy请求原理;Scrapy快速入门;1;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;案例精讲-贝壳新房;小结及作???;