知识卡片
抓取流程同时产生数据和新任务
UR²IM把URL、Request、Response、Item和More URL连成循环:由入口地址请求页面,从响应抽取结构化数据并发现后续地址,数据另送输出存储。图3.3用这条流帮助区分解析结果与待抓任务。后续地址不是自动全部有效,数据落库也不是请求成功后必然完成的同一步。
结构图:
flowchart LR
U[URL] --> Q[Request]
Q --> R[Response]
R --> I[Item]
I --> DB[输出或数据库]
R --> M[More URL]
M --> Q
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第3章 爬虫基础,spine035单元009;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00034.html。
- 结论依据:原文UR²IM图将Item流与更多URL回路分开,直接支持解析产出和后续调度两条路径,请求成功不证明存储也完成。未在本机运行示例或改变环境。
- 原始内容:apy打交道时,你所遵循的最通用的流程是UR 2 IM流程,如图3.3所示。 图3.3 UR 2 IM流程