scrapy是一个基于Twisted的异步处理框架，可扩展性很强。优点此处不再一一赘述。
下面介绍一些概念性知识，帮助大家理解scrapy。
一、数据流向
要想熟练掌握这个框架，一定要明白数据的流向是怎么一个过程。总结如下：
1.引擎先打开网站，请求url。
2.引擎通过调度器以Request形式调度url。
3.引擎请求下一个url。
4.调度器将url通过Downloader Middlewares发送给引擎
5.Downloader 生成response，通过Downloader Middlewares发送给引擎
6.引擎接收Response 通过spiderMiddleware发送给spider处理
7.spider处理response
8.引擎将spider处理的item给ItemPipeline 然后将新的Request给调度器。
二、各个结构的作用
DownloderMiddleware
调度器会从队列之中拿出Request发送给Downloader执行下载，这个过程会经过DownloaderMiddleware的处理。
作用的位置有两个：
核心方法有三个：
process_request(request,spider)
Request 到达Downloader之前，就会被调用
参数介绍：
返回值：
1.返回None 调用别的process_request()方法，直至将Request执行得到Response才会结束。
2.返回Response对象，低优先级的process_request()和process_exception不调用。
3.返回request对象，低优先级的process_request()停止执行，返回新的Request。
process_response(request,response,spider)
作用位置：
返回值的情况：
1.返回Request低优先级的process_respons()不调用。
2.返回response低优先级的process_respons()继续调用。
process_exception（request,exception,spider）
此函数主要是用来处理异常的。
spiderMiddleware
作用位置：
核心方法：
process_soider_input(response,spider)
返回值：
1.返回None
继续处理Response，调用所有的spiderMiddleware，知道spider处理
2.跑出异常
直接调用Request的errback（）方法，使用process_spider_output()处理。
process_spider_output(response,result,spider)
当spider处理Response返回结果时，被调用。
process_spider_exception(response,exception,spider)
返回值：none
继续处理response，返回一个可迭代对象，process_spider_output()方法被调用。
process_start_request(start_requests,spider)
以spider启动的Request为参数被调用，必须返回request。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对创新互联的支持。如果你想了解更多相关内容请查看下面相关链接