第一步
- Scrapy 一览：理解Scrapy是什么，他能帮到你什么
- 安装指南：在电脑上安装Scrapy
- Scrapy 教程：编写第一个Scrapy项目
- 示例：通过前人写好的Scrapy项目进行学习
基础概念
- 命令行工具：学习使用命令行工具管理Scrapy项目
- 爬虫：编写规则爬取网站
- 选择器：使用XPath从网页中抽取数据
- Scrapy shell：在一个交互环境中测试抽取代码
- Items：定义要抓取的数据字段
- Item 加载器
- Item 管道
- Post处理和数据存储.
- 信息流导出：使用不同的格式输出和存储抓取的数据
- Requests and Responses：理解用于HTTP请求和响应的类
- 链接抽取器
- 配置：学习怎样配置Scrapy，查看所有可用配置
- 异常：查看所有可用异常及其含义
内建服务
- 日志记录：学习如何在Scrapy项目中使用Python的内建日志模块
- 统计收集：收集Scrapy爬虫的统计信息
- 发送邮件：当某些事件发生时发送邮件提醒
- Telnet 控制台：使用后Python控制台检视一整正在运行的爬虫
- Web 服务：使用Web服务管理和控制爬虫
特定问题的解决
- FAQ(常见问题)
- 爬虫调试：学习如何调试scrapy爬虫吃的一般问题
- Spiders Contracts
- 一般性练习
- Broad Crawls
- 使用Firefox进行数据抓取
- 使用Firebug
- Debug内存泄漏
- 下载和处理文件、图片
- 爬虫部署
- AutoThrottle extension
- 压力测：测试爬虫在实际机器上的性能表现
- 任务暂停和恢复
扩展Scrapy
- 架构概览：理解Scrapy的架构
- 下载器中间件：定制网页请求和下载
- 爬虫中间件 ：定制爬虫的输入和输出
- 扩展：使用定制功能扩展Scrapy
- 核心 API：在扩展和中间件中使用一扩展Scrapy的功能
- 信号：查看所有可用的信号及怎样使用它们
- 数据导出器：快速导出抓取的数据到文件（XML,CSV等等）
