Scrapy框架：

Scrapy Engine: Scrapy引擎，负责Spiders，ItemPipline，Scheduler，Downloader中间的通信信号和数据的传递，相当于是一个交通站。

Scheduler: Scrapy的调度器，就是一个队列，负责接收引擎发送过来的request请求，然后将请求排队，当引擎需要请求数据的时候，就将请求队列中的数据交给引擎。

Downloader: Scrapy的下载器，负责发送请求并下载数据，负责下载引擎发送过来的所有request请求，并将获取到的response交还给引擎，然后再由引擎将response交给Spiders来进行解析。

Spiders: Scrapy的爬虫，它是一个正则表达式组价，里面包含很多解析策略，用于分析和提取数据，负责处理所有的response,而如果response包含有其他请求，此时Spiders会将这个请求提交给引擎，再由引擎将这些url再次扔到Scheduler进行处理。

Item Pipeline: Scrapy的管道，用于封装去重类，存储类的地方，负责处理Spiders中获取到的数据，并且进行后期的处理，过滤或者存储等。

Downloader Middlewares: 下载中间件，自定义扩展组件，就是封装代理或者http请求头用于隐藏我们自己。

Spider Middlewares: 爬虫中间件，可以自定义扩展引擎Spiders的中间通信功能的组件，比如进入Spiders的response和从Spders出去的request，它可以在中间做一些修改。

spider编写

scrapy爬虫框架入门与实战学习课程大纲

1.scrapy介绍

2.scrapy的安装

3.scrapy在安装时经常遇到的坑

4.mongodb的安装（数据库）

代码和注释

Scrapy框架

Scrapy Engine :引擎，中间连接站

Spider：负责对引擎发来response进行处理，分离干货：数据和新的request

Scheduler：request队列，负责将Spider发来的request请求排列

Downloader：负责下载引擎发来的所有request请求

Item Pipline：负责处理Spider中的数据。并且进行过滤或存储。

Python爬虫框架Scrapy

作用：抓取数据进行分析

开发环境：Centos6.0，Scrapy1.5，Python3.0，Mongdb3.6,Pycharm

windows下的安装

pip3 install scrapy

Python3安装模块报错Microsoft Visual C++ 14.0 is required的解决方法

在https://www.lfd.uci.edu/~gohlke/pythonlibs

找到对应版本的对应库下载复制到python3安装目录的Scripts下, 

我这里显示Twisted安装失败

pip3  install 文件名(.whl)
pip3 install scrapy

vim  /etc/mongod.conf

屏蔽bindIp或改为局域网地址或0.0.0.0等

重启mongodb

sudo /etc/init.d/mongod restart

关闭防火墙

sudo /etc/init.d/iptables stop
sudo chkconfig iptables off

Centos 使用yum安装MongoDB 4.0

原文链接 https://www.cnblogs.com/tianyamoon/p/9860656.html

其他参考链接 https://www.cnblogs.com/weiyiyong/p/9386015.html

1.配置MongoDB的yum源

创建yum源文件：

#cd /etc/yum.repos.d 

#vim mongodb-org-4.0.repo 

添加以下内容：（我们这里使用阿里云的源）

[mngodb-org]
name=MongoDB 
Repositorybaseurl= 
gpgcheck=0
enabled=1

这里可以修改 gpgcheck=0, 省去gpg验证

清理安装源
yum clear all

安装之前先更新所有包 ：

# yum update

2.安装MongoDB
安装命令：
yum -y install mongodb-org

安装完成后

查看mongo安装位置 whereis mongod

查看修改配置文件 ： vim /etc/mongod.conf

 bindIp: 172.0.0.1  改为 bindIp: 0.0.0.0

（注意冒号与ip之间需要一个空格）

3.启动MongoDB 
启动mongodb ：systemctl start mongod.service
停止mongodb ：systemctl stop mongod.service

查到mongodb的状态：systemctl status mongod.service

4.外网访问需要关闭防火墙：
CentOS 7.0默认使用的是firewall作为防火墙，这里改为iptables防火墙。
关闭firewall：
systemctl stop firewalld.service #停止firewall
systemctl disable firewalld.service #禁止firewall开机启动

 vim /etc/sysconfig/iptables

iptables文件添加

-A INPUT -m state --state NEW -m tcp -p tcp --dport 27017 -j ACCEPT

（注意：-A INPUT -m state --state NEW -m tcp -p tcp --dport 27017 -j ACCEPT要加在-A INPUT -j REJECT --reject-with icmp-host-prohibited之前，不然启动无效）

重启iptables

service iptables restart

 5.设置开机启动
systemctl enable mongod.service

6.启动Mongo shell
命令：mongo 

查看数据库：show dbs

7.需要的话启用权限控制：
编辑mongod.conf注释bindIp,并重启mongodb.
vim /etc/mongod.conf

重启mongodb：systemctl restart mongod.service

Scrapy注意事项：

代理IP设置：

scrapy框架：

NoSQL manager for mongodb freeware

在windows上也可以，python的可移植性贼强。当然Windows上也支持Scrapy库啦。

<p>在windows上也可以，python的可移植性贼强。当然Windows上也支持Scrapy库啦。之所以很多都强调用药linux来操作python，主要公司里的生产环境都是部署在服务器上的。而服务器的操作系统基本都是centos,redhat,乌班图之类的，所以，学python，一定要会一些linux的操作命令</p>好的点都德

content_s = ''
for i_content in content:
    #去掉空格并连接
    content_s += "".join(i_content.split())

douban_item['introduce'] = content_s

111111111111111

编写解析文件

11111111111111

在pycharm中设置一个启动文件，每次运行就不用在CentOS中写命令了

粘贴到这里

复制User-agent

还是有报错：返回403

这下再执行豆瓣项目

安              装 

制作make文件