大資料時代，海量資料的獲取離不開爬蟲技術。再加上代理IP的幫助，爬蟲技術的應用也就越來越廣泛。許多企業和個人開始學習爬蟲技術，而學習爬蟲技術首先要掌握爬蟲框架。
Python爬蟲架構主要由五個部分組成，分別是排程器、URL管理器、網頁下載器、網頁解析器、應用程式（爬取的有價值資料）。
排程器：相當於一臺電腦的CPU，主要負責排程URL管理器、下載器、解析器之間的協調工作。
URL管理器：包括待爬取的URL地址和已爬取的URL地址，防止重複抓取URL和迴圈抓取URL，實現URL管理器主要用三種方式，通過記憶體、資料庫、快取資料庫來實現。
網頁下載器：通過傳入一個URL地址來下載網頁，將網頁轉換成一個字串，網頁下載器有urllib2（Python官方基礎模組）包括需要登入、代理、和cookie，requests(第三方包)
網頁解析器：將一個網頁字串進行解析，可以按照我們的要求來提取出我們有用的資訊，也可以根據DOM樹的解析方式來解析。網頁解析器有正則表示式（直觀，將網頁轉成字串通過模糊匹配的方式來提取有價值的資訊，當文件比較複雜的時候，該方法提取資料的時候就會非常的困難）、html.parser（Python自帶的）、beautifulsoup（第三方外掛，可以使用Python自帶的html.parser進行解析，也可以使用lxml進行解析，相對於其他幾種來說要強大一些）、lxml（第三方外掛，可以解析xml和HTML），html.parser和beautifulsoup以及lxml都是以DOM樹的方式進行解析的。
應用程式：就是從網頁中提取的有用資料組成的一個應用。
下面用一個圖來解釋一下排程器是如何協調工作的