python3+Scrapy框架学习笔记：入门前基础——入门笔记（1）Scrapy框架基础介绍
Scrapy，Python开发的一个快速,高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等，最新版本又提供了web2.0爬虫的支持。
Scrapy 使用了 Twisted异步网络库来处理网络通讯。整体架构大致如下
Scrapy主要包括了以下组件：
- 引擎(Scrapy)
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(Scheduler)
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(Downloader)
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(Spiders)
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(Pipeline)
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(Downloader Middlewares)
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(Spider Middlewares)
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(Scheduler Middewares)
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：
- 引擎从调度器中取出一个链接(URL)用于接下来的抓取
- 引擎把URL封装成一个请求(Request)传给下载器
- 下载器把资源下载下来，并封装成应答包(Response)
- 爬虫解析Response
- 解析出实体（Item）,则交给实体管道进行进一步的处理
- 解析出的是链接（URL）,则把URL交给调度器等待抓取
以上内容出处： http://www.cnblogs.com/wanghzh/p/5824181.html
Scrapy安装，环境和创建：
- python的安装建议使用anaconda
下载地址：https://www.anaconda.com/distribution/
安装过程很简单，一步一步跟着引导就能顺利安装啦
安装教程：https://www.jianshu.com/p/62f155eb6ac5
python安装完毕后打开anaconda
如上图所示：勾选下载即可，需要等待几分钟啊亲们，说明一下python3.6是我自己创建的环境，大家可以在上面的base做同样的操作 - scrapy框架创建
打开
进入你想存放框架的文件夹输入：
scrapy startproject XXXX（your_project_name）
就会再文件夹中生成
上图标红文件是自己创建的spiders文件，是我们要写的爬虫py文件需要自己创建，其他均为框架原生文件
备注：本框架在spyder中打开，初次使用spyder打开框架会提醒非框架文件，大家可以在spyder中自主创建新框架对比差别会发现，使用spyder创建的project多一个.spyproject文件夹在一级目录下，将这个文件复制一份到我们刚刚创建的框架的一级目录下即可。
spyder 创建框架指南图如下：