我们这几天讲了分布式爬虫的三个框架以及使用，小伙伴们不妨思考一个还有没有其他的框架呢？最近小编发现我们的老伙伴scrapy在分布式爬虫中同样可以用来抓取数据，这也算是学习中的意外惊喜。当然scrapy框架在分布式爬虫中的使用和之前学的还是有不一样的地方，今天我们就scrapy在分布式爬虫中的构建和模块中的新知识点进行学习，内容如下：

Scrapy

在Ubuntu安装Scrapy的步骤为：打开终端 >> 在终端输入命令：pip install scrapy >> 在终端输入命令：scrapy version >> 成功输出 Scrapy版本号则证明成功安装。

各模块作用

1. items

爬虫抓取数据的工作实际上是从非结构化数据（网页）中提取出结构化数据。虽然Scrapy框架爬虫可以将提取到的数据以Python字典 的形式返回，但是由于Python字典缺少结构，所以很容易发生返回数据不一致亦或者名称拼写的错误，若是Scrapy爬虫项目中包含复 数以上的爬虫则发生错误的机率将更大。因此，Scrapy框架提供了一个items模块来定义公共的输出格式，其中的Item对象是一个用于 收集Scrapy爬取的数据的简单容器。

2. Downloader Middleware

Downloader Middleware是一个Scrapy能全局处理Response和Request的、微型的系统。Downloader Middleware中定义的Downloader Middleware设有优先级顺序，优先级数字越低，则优先级越高，越先执行。在本次分布式爬虫中，我们定义了两个Downloader Middleware，一个用于随机选择爬虫程序执行时的User-Agent，一个用于随机选择爬虫程序执行时的IP地址。

3. settings

settings模块用于用户自定义Scrapy框架中Pipeline、Middleware、Spider等所有组件的所有动作，且可自定义变量或者日志动作。

考虑到之前我们也讲了不少scrapy框架的内容，今天的知识点只在python分布式爬虫中展开，算是对scrapy框架的一个内容的延伸，大家可以了解一下分布式Scrapyd的安装与配置。