scrapy適合用來處理python爬蟲調(diào)度么-創(chuàng)新互聯(lián)

這篇文章給大家分享的是有關(guān)scrapy適合用來處理python爬蟲調(diào)度么的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

成都創(chuàng)新互聯(lián)專注于甘井子企業(yè)網(wǎng)站建設(shè),成都響應(yīng)式網(wǎng)站建設(shè)公司,購物商城網(wǎng)站建設(shè)。甘井子網(wǎng)站建設(shè)公司,為甘井子等地區(qū)提供建站服務(wù)。全流程按需策劃，專業(yè)設(shè)計，全程項目跟蹤，成都創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)

需要使用代碼來爬一些數(shù)據(jù)的大概分為兩類人：

非程序員，需要爬一些數(shù)據(jù)來做畢業(yè)設(shè)計、市場調(diào)研等等，他們可能連 Python 都不是很熟；

程序員，需要設(shè)計大規(guī)模、分布式、高穩(wěn)定性的爬蟲系統(tǒng)，對他們來說，語言都無所謂的，更別說用不用框架了。

對于一個任何一個已經(jīng)入門的程序員來說，Python 都算不上一個很復(fù)雜的語言，除了不用大括號可能讓一些人感覺有些不適應(yīng)之外，基本上看看語法上手就能寫了。但是恰恰是因為我們都是老司機了，所以不能體會到使用一門編程語言對于外行來說可能『比登天還難』。如果不用 scrapy，可能我只需要這樣：

import requests
 
def main():
    for i in range(100):
        rsp = requests.get(f"http://www.example.com/{i}.html")
        with open("example-{i}.txt", "w") as f:
            f.write(rsp.text)
 
if __name__ == "__main__":
    main()

就寫好了一個簡單的爬蟲，而使用 scrapy 呢，大概需要這樣吧：

import scrapy
 
class QuotesSpider(scrapy.Spider):
    name = 'quotes'
    
    def start_requests(self):
        urls = [
            'http://quotes.toscrape.com/page/1/',
            'http://quotes.toscrape.com/page/2/'
        ]
        for url in urls:
            yield scrapy.Request(url=url, callback=self.parse)
 
    def parse(self, response):
        page = response.url.split('/')[-2]
        filename = 'quotes-%s.html' % page
        with open(filename, 'wb') as f:
            f.write(response.body)
        self.log('Save file %s' % filename)

先不說代碼增長了一倍有余，初學(xué)者會問到這些問題：什么是 class？為什么類還有參數(shù)？啊，什么是繼承？yield 又是什么鬼，那個 scrapy.Request 又是啥？這些都是負擔。

既然要開發(fā)大型爬蟲系統(tǒng)，那么其中很重要的一部分就是爬蟲的調(diào)度了。一種比較簡單的模式是 scheduler 作為 master，全局調(diào)度。另一種模式?jīng)]有 master，所有的爬蟲 worker 都是對等的。在實際生產(chǎn)中顯然是第一種用的更多。

顯然 scheduler 這部分是不能再用一個爬蟲框架來實現(xiàn)的，連主循環(huán)都沒有咋寫邏輯呢？我們可能還要實現(xiàn)增量爬取，或者消費業(yè)務(wù)方發(fā)來的爬取請求等各種業(yè)務(wù)，這塊顯然是在 scheduler 里面的，那么這個爬蟲系統(tǒng)無非是 scheduler 分發(fā)任務(wù)給各個 worker 來抓取。worker 還可以使用 scrapy 實現(xiàn)，但是呢，這個 worker 其實已經(jīng)弱化為一層薄薄的 downloader 了，那我要他干嘛呢？scrapy 的核心邏輯也不過是個深度或者廣度優(yōu)先的遍歷而已，少一個依賴不好么……

爬蟲的工作量要么在反爬，要么在調(diào)度等業(yè)務(wù)邏輯，本身只是一個 requests.get 而已，scrapy 提供的種種抽象對于初學(xué)者太復(fù)雜，大型系統(tǒng)又用不上，所以個人不推薦使用包括但不限于 scrapy 在內(nèi)的所有爬蟲框架。

感謝各位的閱讀！關(guān)于scrapy適合用來處理python爬蟲調(diào)度么就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

新聞標題：scrapy適合用來處理python爬蟲調(diào)度么-創(chuàng)新互聯(lián)
URL分享：http://muchs.cn/article36/dhidsg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供Google、外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站內(nèi)鏈、微信小程序、做網(wǎng)站、用戶體驗

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)