Scrapy
 | |
| 开发者 | Scrapinghub, Ltd. |
|---|---|
| 首次发布 | 2008年6月26日 |
| 当前版本 | 2.4.1（2020年11月17日[1]） |
| 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[2]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[3]。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[4]，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。[5]
使用Scrapy的知名公司和产品有：Lyst[6][7]、Parse.ly[8]、Sayone Technologies[9]、Sciences Po Medialab[10]、Data.gov.uk的世界政府数据网站[11]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[12]。2011年，Scrapinghub成为新的官方维护者[13][14]。
参考文献
[编辑]- ^ 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：放在网页服务器上，告知网络蜘蛛哪些页面内容可取得或不可取得。
- 网络爬虫