Scrapy学习

Scrapy的工作流程

1. 从优先级队列中获取request对象，交给engine

2. engine将request对象交给下载器下载，期间会通过downloadmiddleware的process_request方法

3. 下载器完成下载，获得response对象，将该对象交给engine，期间会经过downloadmiddleware的process_response（ ）方法

4. engine将获得的response对象交给spider进行解析，期间会经过spidermiddleware的process_spider_input()的方法

5. spider解析下载器下下来的response，返回item或是links(url)

6. item或者link经过spidermiddleware的process_spider_out( )方法，交给engine

7. engine将item交给item pipeline ，将links交给调度器

8. 在调度器中，先将requests对象利用scrapy内置的指纹函数生成一个指纹4

9. 如果requests对象中的don‘t filter参数设置为False，并且该requests对象的指纹不在信息指纹的队列中，那么就把该request对象放到优先级队列中

10. 循环以上操作

各个文件的作用

1. pipelines.py：

   1. 数据清洗（处理数据）

   2. 存储（把数据存储起来，也可以是直接打印在控制台）

2. 爬虫文件：

   1. 寻找item.py里面的数据并yield出去

   2. 回调爬虫的解析函数完成下一次爬取...（循环）

3. item.py：

   1. 写入所需要的数据

*部分参考自https://www.cnblogs.com/sharepy/p/9534597.html