01-scrapy框架

1.Scrapy图例：

　　

　　Scrapy Engine(引擎): 负责Spider、ItemPipeline、Downloader、Scheduler中间的通讯，信号、数据传递等。

　　Scheduler(调度器): 它负责接受引擎发送过来的Request请求，并按照一定的方式进行整理排列，入队，当引擎需要时，交还给引擎。

　　Downloader（下载器）：负责下载Scrapy Engine(引擎)发送的所有Requests请求，并将其获取到的Responses交还给Scrapy Engine(引擎)，由引擎交给Spider来处理，

　　Spider（爬虫）：它负责处理所有Responses,从中分析提取数据，获取Item字段需要的数据，并将需要跟进的URL提交给引擎，再次进入Scheduler(调度器)，

　　Item Pipeline(管道)：它负责处理Spider中获取到的Item，并进行进行后期处理（详细分析、过滤、存储等）的地方.

　　Downloader Middlewares（下载中间件）：一个可以自定义扩展下载功能的组件。

　　Spider Middlewares（Spider中间件）：是一个可以自定扩展和操作引擎和Spider中间通信的功能组件（比如进入Spider的Responses;和从Spider出去的Requests）

************************上述内容是对scrapy框架的一个简单介绍，内容摘自网络****************************

*****************************************************************************************

*********************下述内容为scrapy命令信息，以及爬虫起送后的信息做一简单的整理和描述********************

1、我们通过pip install scrapy安装好scrapy以后在终端键入scrapy,就会显示如下信息：

　　

　　1).bench:快速测试当前硬件环境的性能，对于爬虫来说我们可以主要关注两个方面，一个是IO性能，一方面cpu的性能，IO主要取决于请求发送和相应的接收，cpu性能越强我们解析数据的速度就会越快

　　2).fetch:快速测试一个url地址是否能够使用，scrapy fetch 'http://www.baidu.com'

　　3).genspider:创建爬虫文件

　　4).runspider:运行爬虫

　　5).获取settings.py中某个字段的信息

　　6).shell终端界面，可用shell对我们设定的页面提取规则进行调试

　　以scrapy bench为例，展示一下爬虫启动后的预加载信息以及具体的爬虫信息