Scrapy是Python中最风行的网页爬虫框架之一，弱小且功能丰富。通过Scrapy，你能够疾速创立一个爬虫，高效地抓取和解决网络数据。在这篇文章中，咱们将介绍如何应用Scrapy构建一个根底的爬虫。
一、Scrapy简介及装置
Scrapy是一个用Python实现的开源网页爬虫框架，次要用于网页数据抓取和剖析。它提供了所有的根底性能，包含解析HTML（或其余格局的数据）、解决HTTP申请、解决cookies和session、多线程抓取等等，还提供了多种类型的爬虫模型，实用于不同的需要。
装置Scrapy非常简单，只须要应用pip装置即可：
pip install Scrapy二、创立一个Scrapy我的项目
Scrapy应用一个独自的我的项目空间来组织每一个爬虫。你能够应用Scrapy的命令行工具来创立一个新的我的项目：
scrapy startproject tutorial这会创立一个名为"tutorial"的Scrapy我的项目，我的项目构造如下：
tutorial/ scrapy.cfg # 我的项目的配置文件 tutorial/ # 我的项目的Python模块 __init__.py items.py # 我的项目的数据模型文件 middlewares.py # 我的项目的中间件文件 pipelines.py # 我的项目的数据处理管道文件 settings.py # 我的项目的设置文件 spiders/ # 寄存爬虫代码的目录 __init__.py三、编写一个简略的爬虫
在Scrapy中，爬虫是一类定义了如何爬取某个网站（或一组网站）的类，包含如何进行网页爬取（即初始URL）、如何跟踪链接、如何从网页的内容中提取数据等等。
上面咱们将创立一个简略的Scrapy爬虫，用于爬取quotes.toscrape.com网站的援用内容。首先，咱们须要在spiders目录下创立一个新的Python文件quotes_spider.py：
import scrapyclass QuotesSpider(scrapy.Spider): name = "quotes" def start_requests(self): urls = [ 'http://quotes.toscrape.com/page/1/', ] for url in urls: yield scrapy.Request(url=url, callback=self.parse) def parse(self, response): page = response.url.split("/")[-2] filename = f'quotes-{page}.html' with open(filename, 'wb') as f: f.write(response.body) self.log(f'Saved file {filename}')在这个代码中，咱们定义了一个名为QuotesSpider的Scrapy爬虫。爬虫首先会申请URLs列表中的每个URL，而后对每个响应进行解决，将响应的内容保留到一个HTML文件中。
四、运行Scrapy爬虫
创立好爬虫后，你能够应用Scrapy的命令行工具来运行爬虫：
scrapy crawl quotes当你运行这个命令，Scrapy将会找到名为"quotes"的爬虫，并开始爬取，而后将爬取的内容保留到文件中。
通过这篇文章，你应该对Scrapy有了根本的理解，并可能创立和运行一个简略的Scrapy爬虫。在下一篇文章中，咱们将更深刻地探讨Scrapy的性能，包含如何提取数据，如何应用Scrapy的数据管道，如何解决登录和cookies等等。