爬虫框架Scrapy的安装和使用

      最近想使用scrapy来开发网页爬虫，本来开始是打算在windows上开发的，但是在尝试之后，发现在windows环境上安装开发环境太麻烦了，比如依赖libxml死活安装不了，最后只有在自己的debian上进行开发，话不多说，下面记录一下自己的步骤、遇到的一些问题以及相关的解决方案。

1. 环境    

      系统为debian 8.2.0    

      Python版本2.7.9

2. 创建环境    

      创建项目目录:    mkidr NSpider       

      进入项目目录:    cd NSpider       

      使用virtualenv创建虚拟环境:     virtualenv env   

3. 安装scrapy  

      激活虚拟环境:     source env/bin/activate      

      安装scrapy:    pip install scrapy     此时出现错误，查看信息，发现提示: libxml/xmlversion.h: 没有那个 文件或目录    

       安装依赖:   sudo apt-get install libxml2-dev     发现已经安装了    

       于是采用创建软连接的方式来进行修改:     sudo ln -s /usr/include/libxml2/libxml  /usr/include/libxml   

       在将安装好的Python库卸载后，再执行   pip install scrapy   出现错误，提示: libxslt/xsltconfig.h：没有那个文件或目录      

        安装依赖:    sudo apt-get install libxslt-dev    

        重新安装scrapy:    pip install scrapy     出现错误，提示: ffi.h: 没有那个文件或目录    

        安装依赖:      sudo apt-get install libffi-dev   

        重新安装scrapy:    pip install scrapy    此时没有错误提示，成功安装

4. 创建scrapy项目    

        创建nspider项目:     scrapy startproject nspider      

        创建成功后目录结构如下:

       其中各个文件及目录的作用如下: 

       scrapy.cfg: 项目的配置文件    nspider/: 该项目的python模块。之后您将在此加入代码。

       nspider/items.py: 项目中的item文件.    

       nspider/pipelines.py: 项目中的pipelines文件.   

       nspider/settings.py: 项目的设置文件.    

       nspider/spiders/: 放置spider代码的目录.        

      具体的scrapy教程可以见其中文文档:http://scrapy-chs.readthedocs.org/zh_CN/latest/intro/tutorial.html

      这样scrapy的安装和项目的创建已经完成，可以用来编写自己的爬虫了。

5. windows下的scrapy安装

经过一系列的折腾，终于在windows上也安装好了scrapy,有以下问题需要注意:

1. 貌似在windows上不好使用virtualenv来管理依赖，因为windows上pip安装Python库依赖很多的系统库，如果没有这些系统库的话，安装会失败。

2. 通过下载编译好的安装包来进行安装，这样不需要依赖系统库。主要是2个库需要自己下载libxml2-python和lxml

记得下载的时候下载自己python版本的和对应位数的，比如我的python是2.7版本32位的，那么我就下载win32-py2.7的安装包，其他安装包同理，但貌似只有这两个包需要自己下载，其他的可以直接通过pip来安装