文件名称：豆瓣电影250movie.zip
文件大小：49KB
文件格式：ZIP
更新时间：2023-01-15 05:15:43
python scrapy
Scrapy主要包括了以下组件： •引擎用来处理整个系统的数据流处理, 触发事务(框架核心) •调度器用来接受引擎发过来的请求, 压入队列中, 并在引擎再次请求的时候返回. 可以想像成一个URL（抓取网页的网址或者说是链接）的优先队列, 由它来决定下一个要抓取的网址是什么, 同时去除重复的网址 •下载器用于下载网页内容, 并将网页内容返回给蜘蛛(Scrapy下载器是建立在twisted这个高效的异步模型上的) •爬虫是主要干活的, 用于从特定的网页中提取自己需要的信息, 即所谓的实体(Item)。用户也可以从中提取出链接,让Scrapy继续抓取下一个页面 •项目管道负责处理爬虫从网页中抽取的实体，主要的功能是持久化实体、验证实体的有效性、清除不需要的信息。当页面被爬虫解析后，将被发送到项目管道，并经过几个特定的次序处理数据。 •下载器中间件位于Scrapy引擎和下载器之间的框架，主要是处理Scrapy引擎与下载器之间的请求及响应。 •爬虫中间件介于Scrapy引擎和爬虫之间的框架，主要工作是处理蜘蛛的响应输入和请求输出。 •调度中间件介于Scrapy引擎和调度之间的中间件，从Scrapy引擎发送到调度的请求和响应。 Scrapy运行流程大概如下： 1.引擎从调度器中取出一个链接(URL)用于接下来的抓取 2.引擎把URL封装成一个请求(Request)传给下载器 3.下载器把资源下载下来，并封装成应答包(Response) 4.爬虫解析Response 5.解析出实体（Item）,则交给实体管道进行进一步的处理 6.解析出的是链接（URL）,则把URL交给调度器等待抓取 scrapy框架实现豆瓣电影top250的爬取
【文件预览】：
movie
----scrapy.cfg(253B)
----movie()
--------middlewares.py(4KB)
--------pipelines.py(631B)
--------spiders()
--------__pycache__()
--------items.py(475B)
--------__init__.py(0B)
--------settings.py(3KB)
----.idea()
--------movie.iml(412B)
--------misc.xml(188B)
--------modules.xml(269B)
--------encodings.xml(188B)
--------workspace.xml(7KB)
--------inspectionProfiles()
----douban.csv(176KB)