相关阅读
相关 爬虫日记(70)：Scrapy的SitemapSpider使用
在开发爬虫的过程中，经常会遇到整个网站内容进行下载，比如像头条的APP类似的需求，它需要统计全世界上所有的新闻网站，看看这些网站出现什么内容是热点，这样把所有热点放到一起，再推
川长思鸟来相关 爬虫日记(69)：Scrapy的CrawlSpider使用
在开发爬虫的过程中，经常会遇到非常规则的网站，只需要一条或几条规则就可以把整个网站的内容收集到了。对于这样的网站，我们就可以采用更加简单的方法，就是采用CrawlSpider类
相关 爬虫日记(62)：Scrapy的合约测试
在开发爬虫的过程中，经常遇到这种情况，比如几个星期之前编写的爬虫可以完美运行，突然有一天经理看不到数据了，这时就把你叫到他的办公室，开始对你训话了。你会有一肚子的不满，因为这段
相关 爬虫日记(89)：Scrapy的DownloadHandlers类
前面分析了下载器的整个源码，理解了下载器的工作过程，在那里经常会遇到一个类，就是DownloadHandlers类，这个类主要用来对不同的下载协议进行管理的，比如文件协议和ht
相关 爬虫日记(84)：Scrapy的Crawler类（二）
spidercls是一个蜘蛛类，比如这里是<class 'ItemDemo.spiders.quotes.QuotesSpider'>内容，self.settings是前面加载
我就是我相关 爬虫日记(83)：Scrapy的CrawlerProcess类(二）
因此继续来分析这两个函数的代码，才能理解蜘蛛类怎么样加载进来，怎么样设置twisted底层的工作框架。我们来查看\_get\_spider\_loader函数的代码，它的定义如
相关 爬虫日记(88)：Scrapy的Downloader类（二）
接着下来，我们来分析Downloader类的初始化过程，以及相关的数据结构，这样才能明白它具体做了些什么事情。 
太过爱你忘了你带给我的痛相关 爬虫日记(88)：Scrapy的Downloader类（一）
从前面的分析我们知道，当下载的连接URL去重之后，就需要把URL放到下载器里进行下载，这样才会得到网页相关的数据，比如HTML、图片、脚本等等。然后我们根据网页再来抽取相关的数
相关 爬虫日记(87)：Scrapy的RFPDupeFilter类(一）
前面已经分析了调度器的入队代码，在这里会调用RFPDupeFilter类的功能，用来判断两个下载的url请求是否相同，如果相同，并且参数设置为去重时，就会不再下载，这样避免了重
Bertha 。相关 爬虫日记(86)：Scrapy的Scheduler类（一）
前面学习过了引擎类，明白整个引擎的工作过程，在引擎里要调用调度管理类，这样才能够把请求下载进行去重，或者优先下载等功能实现。现在我们就来分析这个类的实现，以便完全理解调度管理类
野性酷女
还没有评论，来说两句吧...