浅谈scrapy

1.为什么使用scrapy框架来写爬虫 ？
在python爬虫中：requests + selenium 可以解决目前90%的爬虫需求，难道scrapy 是解决剩下的10%的吗？然而并不是这样。scrapy框架是为了让我们的爬虫更强大、更高效, 让我们写的爬虫更具有健壮性。接下来我们一起认识一下它吧。

2.什么是scrapy？
Scrapy 使用了Twisted[‘twɪstɪd]异步网络框架，可以加快我们的下载速度。
Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架，我们只需要实现少量的代码，就能够快速的抓取。

3.异步和非阻塞的区别
前面我们说Twisted是一个异步的网络框架，经常我们也听到一个词语叫做非阻塞，那么他们有什么区别呢？

异步：调用在发出之后，这个调用就直接返回，不管有无结果；异步是过程。
非阻塞：关注的是程序在等待调用结果（消息，返回值）时的状态，指在不能立刻得到结果之前，该调用不会阻塞当前线程。

4.scrapy的工作流程

• 4.1 回顾之前的爬虫流程

• 4.2 上面的流程可以改写为
  

• scrapy的流程
  

• 其流程可以描述如下：

  1.调度器把requests–>引擎–>下载中间件—>下载器
  2.下载器发送请求，获取响应—->下载中间件—->引擎—>爬虫中间件—>爬虫
  3.爬虫提取url地址，组装成request对象—->爬虫中间件—>引擎—>调度器
  4.爬虫提取数据—>引擎—>管道
  5.管道进行数据的处理和保存

  注意：
  图中绿色线条的表示数据的传递
  注意图中中间件的位置，决定了其作用
  注意其中引擎的位置，所有的模块之前相互独立，只和引擎进行交互

• 4.4 scrapy中每个模块的具体作用