Scrapy概述


Scrapy是一个用Python编写的快速,开源的网页爬虫框架,用于在基于XPath的选择器的帮助下从网页中提取数据。

Scrapy于2008年6月26日首次在BSD下发布,并于2015年6月发布了里程碑1.0。

为什么使用Scrapy?

  • 构建和扩展大型爬取项目比较容易。

  • 它有一个称为选择器的内置机制,用于从网站中提取数据。

  • 它异步处理请求并且速度很快。

  • 它使用自动调节机制自动调整爬网速度。

  • 确保开发者无障碍。

Scrapy的特点

  • Scrapy是一个开放源代码并可以免费使用网络爬虫框架。

  • Scrapy以JSON,CSV和XML等格式生成Feed输出。

  • Scrapy具有内置支持,可以通过XPath或CSS表达式从源选择和提取数据。

  • 基于爬虫的Scrapy允许自动从网页中提取数据。

优点

  • Scrapy很容易扩展,快速和强大。

  • 它是一个跨平台的应用程序框架(Windows,Linux,Mac OS和BSD)。

  • Scrapy请求被安排和异步处理。

  • Scrapy带有称为 Scrapyd的 内置服务,它允许使用JSON Web服务上传项目和控制蜘蛛。

  • 尽管该网站没有用于原始数据访问的API,但可以取消任何网站。

缺点

  • Scrapy仅适用于Python 2.7。+

  • 不同的操作系统安装是不同的。