本文目录
- scrapy-redis 和 scrapy 有什么区别
- scrapy怎么在服务器上跑起来
- 如何在scrapy框架下，用python实现爬虫自动跳转页面来抓去网页内容
- scrapy和python有什么关系
- 请简述scrapy创建项目的流程以及相应语句,对相关参数进行解释
- python中的scrapy是什么意思a
- beautifulsoup与scrapy 这两者之间有什么区别
- 什么时候scrapy
- 创建scrapy项目失败怎么办
- scrapy怎么安装急！！
scrapy-redis 和 scrapy 有什么区别
scrapy
是一个通用的爬虫框架，其功能比较完善，可以帮你迅速的写一个简单爬虫，并且跑起来。scrapy-redis是为了更方便地实现scrapy分布式爬取，而提供了一些以redis为基础的组件（注意，scrapy-redis只是一些组件，而不是一个完整的框架）。
可以这么认为，scrapy是一工厂，能够出产你要的spider。而scrapy-redis是其他厂商为了帮助scrapy工厂更好的实现某些功能而制造了一些设备，用于替换scrapy工厂的原设备。
scrapy怎么在服务器上跑起来
scrapy在服务器上跑起来的方法如下：启动scrapyd；配置项目下的scrapy.cfg；deploy设置；就可以了。scrapyd 是由scrapy 官方提供的爬虫管理工具，它可以管理多个项目，每个项目可以上传多个版本，但默认使用最新版。
如何在scrapy框架下，用python实现爬虫自动跳转页面来抓去网页内容
Scrapy是一个用Python写的Crawler Framework，简单轻巧，并且非常方便。Scrapy使用Twisted这个异步网络库来处理网络通信，架构清晰，并且包含了各种中间件接口，可以灵活地完成各种需求。Scrapy整体架构如下图所示：
根据架构图介绍一下Scrapy中的各大组件及其功能：
Scrapy引擎（Engine）：负责控制数据流在系统的所有组建中流动，并在相应动作发生触发事件。
调度器（Scheduler）：从引擎接收Request并将它们入队，以便之后引擎请求request时提供给引擎。
下载器（Downloader）：负责获取页面数据并提供给引擎，而后提供给Spider。
Spider：Scrapy用户编写用于分析Response并提取Item（即获取到的Item）或额外跟进的URL的类。每个Spider负责处理一个特定（或一些网站）。
Item Pipeline：负责处理被Spider提取出来的Item。典型的处理有清理验证及持久化（例如存储到数据库中，这部分后面会介绍存储到MySQL中，其他的数据库类似）。
下载器中间件（Downloader middlewares）：是在引擎即下载器之间的特定钩子（special hook），处理Downloader传递给引擎的Response。其提供了一个简便的机制，通过插入自定义代码来扩展Scrapy功能（后面会介绍配置一些中间并激活，用以应对反爬虫）。
Spider中间件（Spider middlewares）：是在引擎及Spider之间的特定钩子（special hook），处理Spider的输入（response）和输出（Items即Requests）。其提供了一个简便的机制，通过插入自定义的代码来扩展Scrapy功能。
-redis
scrapy和python有什么关系
Scrapy是Python开发的一个快速、高层次的web数据抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘和监测。
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等。
Scrapy算得上是Python世界中最常用的爬虫框架了，同时它也是我掌握的几种流行语言中最好的爬虫框架，没有之一！我认为它也是最难学习的框架，同样没有之一。很多初学Scarpy的经常向我抱怨完全不清楚Scrapy该怎样入手，即使看的是中文的文档，也感到很难理解。我当初接触Scrapy时也有这样的感觉。之所以感到Scrapy难学，究其原因，是其官方文档实在太过凌乱，又缺少实用的代码例子，让人看得云里雾里，不知其所已然。虽然其文档不良，但却没有遮挡住它的光辉，它依然是Python世界中目前最好用的爬虫框架。其架构的思路、蜘蛛执行的效能，还有可扩展的能力都非常出众，再配以Python语言的简洁轻巧，使得爬虫的开发事半功倍。-c
相关推荐：《Python基础教程》
Scrapy的优点：
（1）提供了内置的HTTP缓存，以加速本地开发。
（2）提供了自动节演调节机制，而且具有遵守robots.txt的设置的能力。
（3）可以定义爬行深度的限制，以避免爬虫进入死循环链接。
（4）会自动保留会话。
（5）执行自动HTTP基本认证。不需要明确保存状态。
（6）可以自动填写登录表单。
（7）Scrapy有一个内置的中间件，可以自动设置请求中的引用(referrer)头。
（8）支持通过3xx响应重定向，也可以通过HTML元刷新。
（9）避免被网站使用的meta重定向困住，以检测没有JS支持的页面。
（10）默认使用CSS选择器或XPath编写解析器。
（11）可以通过Splash或任何其他技术(如Selenium)呈现JavaScript页面。
（12）拥有强大的社区支持和丰富的插件和扩展来扩展其功能。
（13）提供了通用的蜘蛛来抓取常见的格式：站点地图、CSV和XML。
（14）内置支持以多种格式(JSON、CSV、XML、JSON-lines)导出收集的数据并将其存在多个后端(FTP、S3、本地文件系统)中。
Scrapy框架原理
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)：负责接收引擎发送过来的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，-redis
Spider（爬虫）：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)：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)：你可以当作是一个可以自定义扩展下载功能的组件。
Spider Middlewares(Spider中间件)：你可以理解为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）-c
Scrapy各个组件介绍
·Scrapy Engine：
引擎负责控制数据流在系统中所有组件中流动,并在相应动作发生时触发事件。它也是程序的入口,可以通过scrapy指令方式在命令行启动,或普通编程方式实例化后调用start方法启动。
·调度器(Scheduler)
调度器从引擎接收爬取请求(Request)并将它们入队,以便之后引擎请求它们时提供给引擎。一般来说,我们并不需要直接对调度器进行编程,它是由Scrapy主进程进行自动控制的。
·下载器(Down-loader)
下载器负责获取页面数据并提供给引擎,而后将网站的响应结果对象提供给蜘蛛(Spider)。具体点说,下载器负责处理产生最终发出的请求对象 Request 并将返回的响应生成 Response对象传递给蜘蛛。-redis
·蜘蛛——Spiders
Spider是用户编写用于分析响应(Response)结果并从中提取Item(即获取的Item)或额外跟进的URL的类。每个Spider负责处理一个特定(或一些)网站。
·数据管道——Item Pipeline
Item Pipeline 负责处理被 Spider 提取出来的 Item。 典型的处理有清理、验证及持久化(例如,存取到数据库中)。
·下载器中间件(Downloader middle-wares)
下载器中间件是在引擎及下载器之间的特定钩子(specific hook),处理Downloader传递给引擎的Response。其提供了一个简便的机制,通过插入自定义代码来扩展Scrapy的功能。
·Spider中间件(Spider middle-wares)
Spider 中间件是在引擎及 Spider 之间的特定钩子(specific hook),处理 Spider 的输入(Response)和输出(Items及Requests)。其提供了一个简便的机制,通过插入自定义代码来扩展Scrapy的功能。-c
从Scrapy的系统架构可见,它将整个爬网过程进行了非常具体的细分,并接管了绝大多数复杂的工作,例如,产生请求和响应对象、控制爬虫的并发等。
请简述scrapy创建项目的流程以及相应语句,对相关参数进行解释
摘要
一.创建项目
1.先cd到项目放置的文件夹 # pycharm 或者cmd都可以
2.执行命令 scrapy startproject Novels2 # Novels2 表示项目名字
3.cd Novels2 # 进入到项目文件夹
4.scrapy genspider example example.com # example 就是爬虫的名字 example.com需要爬取的网站的域名
二.配置settings.py
1.第20行 ROBOTSTXT_OBEY = False # 默认true，需要改成 false 不遵守机器协议
2.第40-44行，取消注释，增加一个 User-Agent，请求头， DEFAULT_REQUEST_HEADERS
3.第66-68行，去掉注释，ITEM_PIPELINES
4.(可选)LOG_LEVEL = ‘ERROR’ 日志等级为 ERROR 即可 运行会产生大量日志，可以选择关闭运行日志
三.运行爬虫 scrapy crawl novels80 # novels80 爬虫名字
也可以加一个 start.py文件 # start.py 自己定义叫什么名字都可以
内容如下
from scrapy import cmdline
import logging
useragent 是自己爬虫的名字
cmdline.execute([“scrapy”,“crawl”,‘bwm3_gt’])
四.开始写爬虫 在spiders文件夹里面
最后 yield Bwm3Item(catagory=catagory,img_urls=img_urls) 时， 等于号 左边的变量名 === items.py中自己定义的字段 === piplines.py中
-redis
要取出来的字段 ；等号右边 是你在爬虫中获取到的数据的 变量名。
1
2
1
2
五.再到 items.py中设置模型
六.piplines.py 中 保存
咨询记录 · 回答于2021-06-23
请简述scrapy创建项目的流程以及相应语句,对相关参数进行解释
一.创建项目
1.先cd到项目放置的文件夹 # pycharm 或者cmd都可以
2.执行命令 scrapy startproject Novels2 # Novels2 表示项目名字
3.cd Novels2 # 进入到项目文件夹
4.scrapy genspider example example.com # example 就是爬虫的名字 example.com需要爬取的网站的域名
二.配置settings.py
1.第20行 ROBOTSTXT_OBEY = False # 默认true，需要改成 false 不遵守机器协议
2.第40-44行，取消注释，增加一个 User-Agent，请求头， DEFAULT_REQUEST_HEADERS
3.第66-68行，去掉注释，ITEM_PIPELINES
4.(可选)LOG_LEVEL = ‘ERROR’ 日志等级为 ERROR 即可 运行会产生大量日志，可以选择关闭运行日志
三.运行爬虫 scrapy crawl novels80 # novels80 爬虫名字
也可以加一个 start.py文件 # start.py 自己定义叫什么名字都可以
内容如下
from scrapy import cmdline
import logging
useragent 是自己爬虫的名字
cmdline.execute([“scrapy”,“crawl”,‘bwm3_gt’])
四.开始写爬虫 在spiders文件夹里面
最后 yield Bwm3Item(catagory=catagory,img_urls=img_urls) 时， 等于号 左边的变量名 === items.py中自己定义的字段 === piplines.py中
-redis
要取出来的字段 ；等号右边 是你在爬虫中获取到的数据的 变量名。
1
2
1
2
五.再到 items.py中设置模型
六.piplines.py 中 保存
请简要阐述scrapy框架的几大组成部分，并解释每部分的功能

lqy2333
还有这个 姐姐
python中的scrapy是什么意思a
Scrapy英文意思是刮擦
被用来命名爬虫界知名的框架。
使用这个框架可以轻易实现常规网页采集。也支持大型架构。升级后redis更是支持分布式。利用scrapyd更是可以发布服务。
从事爬虫方向必学！
beautifulsoup与scrapy 这两者之间有什么区别
beautiful soup可以离线解释html文件，但是获取html文件是由用户的其他行为的定义的，比如urllib或者request
而scrapy是一个完整的获取程序，只需要把网址贴上去，就会自动去爬。 省去很多用户需要关注的细节。
-redis
什么时候scrapy
Scrapy是Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。
Scrapy是一个为爬取网站数据、提取结构性数据而设计的应用程序框架，它可以应用在广泛领域：Scrapy 常应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。通常我们可以很简单的通过 Scrapy 框架实现一个爬虫，抓取指定网站的内容或图片。
尽管Scrapy原本是设计用来屏幕抓取（更精确的说，是网络抓取），但它也可以用来访问API来提取数据。
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）：一个可以自定扩展和操作引擎和Spider中间通信的功能组件。
-c
创建scrapy项目失败怎么办
1、你需要已正确安装好scrapy；
2、假如你要将项目安装到D:\code\这个目录下，（我是使用pycharm），你在terminal下先转到该目录下：
D:
cd code
3、使用命令创建一个项目：
scrapy startproject 项目名
4、则在D:\code\目录下会成功创建一个你取的项目名的目录。
5、以上是标准的创建过程，如果你有遇到失败，那么请贴出你的失败提示。
-redis
scrapy怎么安装急！！
1.安装Python
安装完了记得配置环境，将python目录和python目录下的Scripts目录添加到系统环境变量的Path里。在cmd中输入python如果出现版本信息说明配置完毕（如下面截图）。python下载网站，www.ddooo.com/softdown/102344.htm。请选择对应的Python版本安装。我装了2.7-c
（记得设置环境变量）
2.安装lxml lxml是一种使用 Python 编写的库，可以迅速、灵活地处理 XML。下载地址 www.ddooo.com/softdown/20939.htm，可用pip下载，
下载命令：python -m pip install lxml
3.安装setuptools 一般都已经安装了的，可在cmd中用 python -m pip list 查看是否已经安装，如果没安装，用下载命令：python -m pip install setuptools安装，下载地址-redis
