Scrapy-Tips

概述

Scrapy是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 1.1 开始支持 Python3。（2016上半年）
• Scrapy 1.5 不再支持 Python 3.3。（2017下半年）
• Scrapy 官网：https://scrapy.org/
• Scrapy GitHub：https://github.com/scrapy/scrapy
• Scrapy pypi：https://pypi.org/project/Scrapy/
• Scrapy 官方文档：https://docs.scrapy.org/en/la…
• Scrapy 中文网 1.5 文档：http://www.scrapyd.cn/doc/

硬核知识点

• 队列中的请求个数（https://stackoverflow.com/que…）

# scrapy.core.scheduler.Scheduler
# spider
len(self.crawler.engine.slot.scheduler)
# pipeline 
len(spider.crawler.engine.slot.scheduler)

• 当前正在网络请求的个数

# scrapy.core.engine.Slot.inprogress 就是个 set
# spider
len(self.crawler.engine.slot.inprogress)
# pipeline 
len(spider.crawler.engine.slot.inprogress)

架构图

• Scrapy 1.1 架构图

• Scrapy 1.7 架构图

本文出自 walker snapshot