scrapy框架的初始

Scrapy框架(爬虫框架)

• 什么是Scrapy？

  • Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架，非常出名，非常强悍。所谓的框架就是一个已经被集成了各种功能（高性能异步下载，队列，分布式，解析，持久化存储等）的具有很强通用性的项目模板。对于框架的学习，重点是要学习其框架的特性、各个功能的用法即可。

• 安装scrapy

  • 1. pip3 install wheel
  • 2. 下载twisted http://www.lfd.uci.edu/~gohlke/pythonlibs/#twisted
  • 3. 进入下载目录，执行 pip3 install Twisted-19.2.1-cp36-cp36m-win_amd64.whl
  • 4. pip3 install pywin32
  • 5. pip3 install scrapy

• scrapy的使用方法:

  • 创建项目: scrapy startproject xxx
  • 创建爬虫文件: scrapy genspider first www.xxx.com
  • 执行爬虫文件：scrapy crawl first
  • 执行爬虫文件不打印日志: scrapy crawl budejie --nolog
  • 执行爬虫文件并持久化存储到csv文件中: scrapy crawl budejie -o budejie.csv

• 管道持久化存储

  • 文件存储: 可以实现任意文件类型的存储
  • mysql存储:
    • 创建连接
    • 创建游标
    • 使用事务
    • 关闭游标和连接
  • redis存储
    • 创建连接
    • 存储的数据需要进行json序列化
    • 关闭连接