Scrapy框架的介绍
框架官方文档：https://docs.scrapy.org/en/latest/
安装：
pip3 install Scrapy
安装测试：
cmd命令行界面，输入：scrapy -h
框架安装完成；
scrapy框架：
分为五个模块+两个中间件（5+2结构）：
spiders(用户入口，需要配置)：
解析download返回的响应
产生爬取项
产生额外的爬取请求
spider middleware中间件（用户配置）--在spider和engine模块之间：
对请求和爬取项的再处理：修改、丢弃、新增请求或爬取项
engine(不需要修改)：
控制所有模块之间的数据流
根据条件触发事件
download middleware中间件（用户配置）--在engine和downloader模块之间：
实时engine、scheduler、download之间进行用户可配置的控制，用于修改、丢弃、新增请求或相应
downloader(不需要修改)：
根据请求下载网页
scheduler(不需要修改)：
对所有爬取请求进行调度管理
item pipelines(出口，需要配置):
以流水线方式处理spiders产生的爬取项
由一组操作顺序组成，类似流水线，每个操作是一个item pipelines类型
可能操作包括：清理、检验和查重爬取项中的html数据，将数据存储到数据库
用户重点编写spider模块和item piplines模块，并且通过编写中间件对数据流进行操作
scrapy爬虫常用命令：
startproject:创建一个项目 scrapy startproject <name> [dir]scrapy startproject pythondemo1
genspider:创建一个爬虫 scrapy genspider [options] <name> <domain>
setting:获得爬虫配置信息 scrapy setting [options]
crawl:运行一个爬虫 scrapy crawl <spider>
list:列出所有的爬虫 scrapy list
shell:启动url调试命令 scrapy shell [url]
scrapy框架爬虫示例：
1、创建一个爬虫工程：scrapy startproject pythondemo123
工程目录下结构：
最外层的pythondemo123为外层目录
----pythondemo123/ scrapy框架的用户自定义python代码
--------__init__.py 初始化脚本，不需要修改
--------items.py item代码模板（继承类）一般情况下不需要修改
--------middlewares.py middlewares模板（继承类） 如果需要扩展这个模块的功能，则需要修改
--------pipelines.py pipelines代码模板（继承类）
--------setting.py scrapy爬虫的配置文件 如果优化爬虫功能，需要修改对应的配置项
--------spiders/ spiders代码模板目录（继承类）
------------__init__.py
-----------pycache文件
----scrapy.py 部署scrapy爬虫的配置文件（要执行scrapy服务器的配置信息，在本机执行的话不需要配置）
2、生成一个爬虫：
scrapy genspider demo python123.io #在spiders文件夹下生成demo.py 域名为python123.io
3、配置产生的爬虫
4、运行爬虫，获取网页
scrapy crawl demo
最终获取到demo.html
