Scrapy – 概述

Scrapy 是一个用 Python 编写的快速、开源的网络爬虫框架，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 日首次发布，并在 BSD 下获得许可，并于 2015 年 6 月发布了里程碑 1.0。

为什么要使用 Scrapy？

• 更容易构建和扩展大型爬行项目。

• 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。

• 它使用自动节流机制自动调整爬行速度。

• 确保开发人员的可访问性。

Scrapy 的特点

• Scrapy 是一个开源且免费使用的网络爬虫框架。

• Scrapy 以 JSON、CSV 和 XML 等格式生成提要导出。

• Scrapy 内置支持通过 XPath 或 CSS 表达式从源中选择和提取数据。

• 基于爬虫的 Scrapy，允许自动从网页中提取数据。

优点

• Scrapy 易于扩展、快速且功能强大。

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

• Scrapy 请求是异步调度和处理的。

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

• 可以废弃任何网站，尽管该网站没有用于访问原始数据的 API。

缺点

• Scrapy 仅适用于 Python 2.7。+

• 不同操作系统的安装是不同的。