Scrapy
外观
![]() | |
開發者 | Scrapinghub, Ltd. |
---|---|
首次发布 | 2008年6月26日 |
当前版本 |
|
源代码库 | |
编程语言 | Python |
操作系统 | Windows、macOS、Linux |
类型 | 网络爬虫 |
许可协议 | BSD许可证 |
网站 | scrapy![]() |
Scrapy(/ˈskreɪpi/ SKRAY-pee[3]是一个用Python编写的自由且开源的网络爬虫框架。它在设计上的初衷是用于爬取网络数据,但也可用作使用API来提取数据,或作为生成目的的网络爬虫[4]。该框架目前由网络抓取的开发与服务公司Scrapinghub公司维护。
Scrapy项目围绕“蜘蛛”(spiders)建构,蜘蛛是提供一套指令的自包含的爬网程序(crawlers)。遵循其他如Django框架的一次且仅一次精神[5],允许开发者重用代码将便于构建和拓展大型的爬网项目。Scrapy也提供一个爬网shell,开发者可用它测试对网站的效果。[6]
使用Scrapy的知名公司和产品有:Lyst[7][8]、Parse.ly[9]、Sayone Technologies[10]、Sciences Po Medialab[11]、Data.gov.uk的世界政府数据网站[12]等。
历史
[编辑]Scrapy诞生于网络聚合和电子商务公司Mydeco,它由Mydeco和Insophia公司的员工开发和维护。2008年8月首次以BSD许可证公开发布,2015年6月发布有里程碑意义的1.0版本[13]。2011年,Scrapinghub成为新的官方维护者[14][15]。
参考文献
[编辑]- ^ Release 2.11.2. 2024年5月14日 [2024年5月17日].
- ^ Release notes — Scrapy documentation. doc.scrapy.org. [18 November 2020]. (原始内容存档于2020-01-28) (英语).
- ^ How do you pronounce "Scrapy"? (页面存档备份,存于互联网档案馆))
- ^ Scrapy at a glance (页面存档备份,存于互联网档案馆).
- ^ Frequently Asked Questions. [28 July 2015]. (原始内容存档于2020-11-11).
- ^ Scrapy shell. [28 July 2015]. (原始内容存档于2020-10-31).
- ^ Bell, Eddie; Heusser, Jonathan. Scalable Scraping Using Machine Learning. [28 July 2015]. (原始内容存档于2016-10-09).
- ^ Scrapy | Companies using Scrapy. [2020-12-08]. (原始内容存档于2020-11-12).
- ^ Montalenti, Andrew. Web Crawling & Metadata Extraction in Python. [2020-12-08]. (原始内容存档于2020-09-19).
- ^ Scrapy Companies. Scrapy website. [2020-12-08]. (原始内容存档于2020-11-12).
- ^ Hyphe v0.0.0: the first release of our new webcrawler is out!. [2020-12-08]. (原始内容存档于2016-06-13).
- ^ Ben Firshman [@bfirsh]. World Govt Data site uses Django, Solr, Haystack, Scrapy and other exciting buzzwords bit.ly/5jU3La #opendata #datastore (推文). 21 January 2010 –通过Twitter.
- ^ Medina, Julia. Scrapy 1.0 official release out! . scrapy-users (邮件列表). 19 June 2015 [2018-09-13]. (原始内容存档于2011-01-22).
- ^ Pablo Hoffman. List of the primary authors & contributors. 2013 [18 November 2013]. (原始内容存档于2017-05-29).
- ^ Interview Scraping Hub (页面存档备份,存于互联网档案馆).
外部链接
[编辑]参见
[编辑]- robots.txt:放在網頁伺服器上,告知網路蜘蛛哪些頁面內容可取得或不可取得。
- 网络爬虫