您好,登錄后才能下訂單哦!
本篇內(nèi)容介紹了“Python網(wǎng)絡(luò)爬蟲框架scrapy的結(jié)構(gòu)是什么”的有關(guān)知識(shí),在實(shí)際案例的操作過程中,不少人都會(huì)遇到這樣的困境,接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧!希望大家仔細(xì)閱讀,能夠?qū)W有所成!
scrapy不是一個(gè)簡(jiǎn)單的函數(shù)功能庫,而是一個(gè)爬蟲框架
爬蟲框架:
爬蟲框架是實(shí)現(xiàn)爬蟲功能的一個(gè)軟件結(jié)構(gòu)和功能組件的集合。
爬蟲框架是一個(gè)半成品,能夠幫助用戶實(shí)現(xiàn)專業(yè)網(wǎng)絡(luò)爬蟲。
ENGINE :已有的,核心,控制所有模塊之間的數(shù)據(jù)流,根據(jù)條件觸發(fā)事件
SCHEDULER:已有的,對(duì)所有的爬蟲請(qǐng)求進(jìn)行調(diào)度管理
ITEM PIPELINES :框架出口,用戶編寫,以流水線方式處理Spider產(chǎn)生的爬取項(xiàng),由一組操作順序組成,類似流水線,每個(gè)操作是一個(gè)item pipline類型,可能操作包括:清理,檢驗(yàn)和查重爬取項(xiàng)中的HTML數(shù)據(jù),將數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫
SPIDERS :框架入口,用戶編寫,解析downloader返回的響應(yīng),產(chǎn)生爬取項(xiàng),以及額外的爬取請(qǐng)求
DOWNLOADER :已有的,根據(jù)請(qǐng)求下載網(wǎng)頁
2個(gè)MIDDLEWARE:Download Middleware:實(shí)施Engine,Scheduler和Downloader之間用戶可配置的控制,即用戶可以修改、丟棄、新增請(qǐng)求或響應(yīng)。Spider Middleware,對(duì)spider的請(qǐng)求和爬取項(xiàng)的再處理。修改、丟棄、新增請(qǐng)求或爬取項(xiàng)。
相同點(diǎn):兩者都可以進(jìn)行頁面請(qǐng)求和爬取,Python爬蟲的兩個(gè)重要技術(shù)路線。 兩者可用性好,文檔豐富,入門簡(jiǎn)單。 兩者都沒有處理js、提交表單、應(yīng)對(duì)驗(yàn)證碼等功能(可擴(kuò)展)
不同點(diǎn):
requests | scrapy |
頁面級(jí)爬蟲 | 網(wǎng)站級(jí)爬蟲 |
功能庫 | 框架 |
并發(fā)性考慮不足,性能較差 | 并發(fā)性好,性能較高 |
重點(diǎn)在于頁面下載 | 重點(diǎn)在于爬蟲結(jié)構(gòu) |
定制靈活 | 一般定制靈活,深度定制困難 |
上手十分簡(jiǎn)單 | 入門稍難 |
requests | scrapy |
頁面級(jí)爬蟲 | 網(wǎng)站級(jí)爬蟲 |
功能庫 | 框架 |
并發(fā)性考慮不足,性能較差 | 并發(fā)性好,性能較高 |
重點(diǎn)在于頁面下載 | 重點(diǎn)在于爬蟲結(jié)構(gòu) |
定制靈活 | 一般定制靈活,深度定制困難 |
上手十分簡(jiǎn)單 | 入門稍難 |
“Python網(wǎng)絡(luò)爬蟲框架scrapy的結(jié)構(gòu)是什么”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站,小編將為大家輸出更多高質(zhì)量的實(shí)用文章!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。