淘搜索之网页抓取系统分析与实现（3）—scrapy+webkit & mysql+django

结构图

scrapy+webkit：

如结构图③。
scrapy不能实现对javascript的处理，所以需要webkit解决这个问题。开源的解决方案可以选择scrapinghub的scrapyjs或者功能更强大的splash.

关于scrapy+webkit的使用后期进行分析。

scrapy+django:

如结构图④。
django实现的配置界面主要是对抓取系统的管理和配置，包括：站点feed、页面模块抽取、报表系统的反馈等等。


请直接参考：
[1]快速构建实时抓取集群

[2]淘宝摘星

转载自：http://blog.csdn.net/u012150179/article/details/38227079