python自动化开发-[第二十五天]-scrapy进阶与flask使用

今日内容概要

　　1、cookie操作

　　2、pipeline

　　3、中间件

　　4、扩展

　　5、自定义命令

　　6、scrapy-redis

　　7、flask使用

　　　　- 路由系统

- 视图

- 模版

- message(闪现)

　　　　- 中间件

　　　　- session

　　　　- 蓝图

- 安装第三方插件

Scrapy
  - 创建project
  - 创建爬虫
  - 编写
    - 类
      - start_urls = ['http://www.xxx.com']
      - def parse(self,response):

        yield Item对象
        yield Request对象

      - pipeline
        - process_item
          @classmethod
        - from_clawer
        - open_spider
        - close_spider
        配置

      - request对象("地址",回调函数)
  - 执行

高性能相关：
  - 多线程【IO】和多进程【计算】
  - 尽可能利用线程：
    一个线程（Gevent），基于协程：
      - 协程，greenlet
      - 遇到IO就切换
    一个线程（Twisted，Tornado），基于事件循环：
      - IO多路复用
      - Socket，setBlocking(Flase)

上节回顾

一、scrapy补充

　　start_requests

　　　　支持返回值有两种(scrapy内部通过会执行iter())：

　　　　　　一、生成器yield Request

二、可迭代对象  [url1,url2,url3]

　　　　通过源码查看源码入口：

　　　　　　from scrapy.crawler import Crawler

　　　　　　Crawler.crawl 方法

　　　　　　

　　　　　　例子：

def start_requests(self):
    for url in self.start_urls:
    yield Request(url=url,callback=self.parse)
    # return [Request(url=url,callback=self.parse),]

　　***迭代器和可迭代对象的区别：　　

迭代器，具有__next__方法，并逐一向后取值
li = [11,22,33] #迭代器有iter和next方法
obj = iter(li)
obj.__next__()

可迭代对象，具有__iter__方法，返回迭代器
li = list([11,22,33]) //可迭代对象没有next方法
迭代器 = li.__iter__()

生成器，函数中具有yield关键字
__iter__
__next__

迭代器 = iter(obj)