Spider就是定义爬取的动作及分析网站的地方。
spider原理
以初始的URL**初始化Request**，并设置回调函数。 当该request**下载完毕并返回时，将生成**response ，并作为参数传给该回调函数。初始化request —> start_requests()
start_requests() 读取 start_urls 中的URL， 并以 parse 为回调函数生成 Request 。回调处理parse(self,response)
以使用 选择器(Selectors)或者BeautifulSoup 来分析网页内容，返回 Item 对象或者 Request
返回的Request对象之后scrapy 会跟进处理 进入下一轮的循环
返回item 会进Item Pipeline 处理数据
4.spider 属性方法
- name
定义spider名字的字符串 - allowed_domains
可选。包含了spider允许爬取的域名(domain)列表(list) - start_urls
URL列表。当没有制定特定的URL时，spider将从该列表中开始进行爬取 - start_requests()
当spider启动爬取并且未制定URL时，该方法被调用。可用于批量生成初始url - parse()
当response没有指定回调函数时，该方法是Scrapy处理下载的response的默认方法。 - log()
使用 scrapy.log.msg() 方法记录(log)message。 - closed()
当spider关闭时，该函数被调用。
