Scrapy 教程

Scrapy 简介


Scrapy 是一个使用 Python 编写的开源网络爬虫框架,使用基于 XPath 选择器(也可以用 CSS 选择器)来提取网页中的数据。它是一个被设计用于爬取网络数据、提取结构性数据的程序框架。该框架主要由 Scrapinghub 公司进行维护。

Scrapy 历史

Scrapy 最初是在2008年6月26日在 BSD 许可协议下发布,并在2015年6月发布的一个里程碑版本1.0。

为什么要使用 Scrapy ?

  • 它更容易构建和大规模的抓取项目;
  • 它内置的机制被称为选择器,用于从网站(网页)上提取数据;
  • 它异步处理请求,速度十分快;
  • 它可以使用自动调节机制自动调整爬行速度;
  • 确保开发人员可访问性。

Scrapy 特点

  • Scrapy 是一个开源和免费使用的网络爬虫框架;
  • Scrapy 生成格式导出如:JSON、CSV 和 XML;
  • Scrapy 内置支持从源代码,使用 XPath 或 CSS 表达式的选择器来提取数据;
  • Scrapy 基于爬虫,允许以自动方式从网页中提取数据。

Scrapy 优点

  • Scrapy 很容易扩展,快速和功能强大;
  • 这是一个跨平台应用程序框架(在 Windows、Linux 和 Mac OS)。
  • Scrapy 请求调度和异步处理;
  • Scrapy 附带了一个名为 Scrapyd 的内置服务,它允许使用 JSON Web 服务上传项目和控制蜘蛛。
  • 也能够刮削任何网站,即使该网站不具有原始数据访问 API。

Scrapy 缺点

  • Scrapy 只面向 Python 2.7+ 以上版本;
  • 不同的操作系统安装不太相同。

Scrapy 参考资料

源代码库:https://github.com/scrapy/scrapy

官方网站:https://scrapy.org/