Pyspider的基本使用

Pyspider的基本使用

---

pyspider的任务流程：

1. 每个pyspider的项目对应一个Python的脚本，该脚本中定义了一个Handler类，它有一个on_start方法。爬取首先调用on_start方法生成的最初的抓取任务，然后发送给Scheduler进行调度。
2. Scheduler将抓取任务分发给Fetcher进行抓取，Fetcher执行并得到响应，随后将响应发送给Processer。
3. Processer处理响应并提取新的url生成新的抓取任务，然后通过消息队列的方式通知Scheduler当前抓取任务执行情况，并将新生成的抓取任务发送给Scheduler。如果生成了新的提取结果，则将其发送到消息队列等待result worker处理。
4. Scheduler接收到新的抓取任务，然后查询数据库，判断其如果是新的任务或者是需要重试的任务就继续进行调度，然后将其发送回Fetcher进行抓取。
5. 不但重复以上工作，知道所有的任务都执行完毕，抓取结束。
6. 抓取结束后，程序后回调on_finish方法，可以定义后处理过程。