源码结构如下：
https://dcnsre5ugu1w.feishu.cn/sync/RNvRd7bnOsMwRFbDuHNcKKywnkc
图片
-
init .py:
入口，导出类核心
图片
-
爬虫框架核心
图片
-
Spider基类：先从这里开始读
-
跑了的第一个例子，
指令如下：
E:\Scrapling2>uv run python agent-skill\Scrapling-Skill\examples\01_fetcher_session.py
部分输出结果如下：
E:\Scrapling2>uv run python agent-skill\Scrapling-Skill\examples\01_fetcher_session.py
2026-05-19 19:13:23 INFO: Fetched (200) <GET https://quotes.toscrape.com/page/1/\> (referer: https://www.google.com/)
第 1页: 10 条引用 (状态： 200)
2026-05-19 19:13:23 INFO: Fetched (200) <GET https://quotes.toscrape.com/page/2/\> (referer: https://www.google.com/)
第 2页: 10 条引用 (状态： 200)
...
总数: 100 条引用
-
"The world as we have created it is a process of our thinking. It cannot be changed without changing our thinking."
-
"It is our choices, Harry, that show what we truly are, far more than our abilities."
-
其中用到一个我不认识的库
browserforge
browserforge 是用来生成随机浏览器指纹的库，帮助绕过反爬检测
具体功能：
它能生成随机的：
browserforge.generate.user_agent() # 随机User-Agent
browserforge.generate.screen() # 随机屏幕分辨率
browserforge.generate.webgl() # WebGL指纹
browserforge.generate.canvas() # Canvas指纹
- 生成随机的 User-Agent、Accept-Language 等请求头
- 随机化 TLS/SSL 指纹（JA3/JA4）
- 随机化 HTTP/2 头部
- 生成随机化的浏览器配置文件
这个库在Scrapling里的作用：
Scrapling 的 StealthyFetcher / curl_cffi
↓
browserforge 生成随机指纹
↓
让请求看起来像真实浏览器
↓
绕过反爬（Cloudflare/Pulse/PerimeterX等）
这是一个agent skill
- 第二个源码的例子
指令如下：
uv run python agent-skill\Scrapling-Skill\examples\02_dynamic_session.py
遇到个我没见过的东西：msgspec
msgspec 是一个高性能的结构化数据库，用于序列化、验证和转换 JSON/MessagePack 等格式。 - 示例3：源码翻译：
"""
示例 3：Python - StealthySession（Patchright 隐形浏览器，可见）
使用持久的隐身浏览器会话抓取 quotes.toscrape.com 的全部 10 页内容。
自动绕过反爬虫保护（Cloudflare Turnstile、指纹识别等）。
最适合：防护良好的网站、Cloudflare 保护的页面、能检测到 Playwright 的网站。
将 headless 设置为 True 可以在后台运行浏览器。
添加 solve_cloudflare=True 可以自动解决 Cloudflare 验证。""" - 示例3中遇到的库：patchright
patchright 是 Playwright 的强化版（apify 团队维护），专门解决 Playwright 被反爬检测的问题 - 第四个例子：源码注释翻译
"""
示例 4：Python - 爬虫（自动爬取框架）
自动抓取 quotes.toscrape.com 网站的所有页面，通过点击"下一页"分页链接实现。无需手动循环页面。
该蜘蛛程序生成结构化的项目（文本 + 作者 + 标签）并将其导出为 JSON 格式。
最适合：多页抓取、全站抓取、任何需要分页或跨多页链接跟踪的情况。
输出：
- 爬取过程中实时统计信息输出到终端
- 爬取结束时的最终统计信息
- 当前目录下的 quotes.json 文件"""
第四个例子没遇见过的库：protego
protego 是 Python 的 Protocol Buffers 实现库。
- class Spider(ABC)：源码注释翻译：
"用于创建网络爬虫的抽象基类。
请访问文档网站以获取更多信息。"""
ABC = Abstract Base Class()
ABC是Python标准库的类，用于定义抽象基类
from abc import ABC, abstractmethod
class Spider(ABC):
@abstractmethod
def parse(self, response):
"""子类必须实现这个方法，否则报错"""
pass
如果直接实例化 Spider，会报错：
spider = Spider() # ❌ TypeError: Can't instantiate abstract class Spider with abstract methods parse
子类必须实现 parse() 才能实例化：
class MySpider(Spider):
async def parse(self, response): # ✅ 必须实现
...
作用：强制子类必须实现parse()方法，否则爬虫无法工作
name: Optionalstr = None
- Optionalstr是python typing模块的类型注解
from typing import Optional, Union
完整写法：
name: Optionalstr = None
等价于：
name: Unionstr, None = None
等价于（Python 3.10+）：
name: str | None = None
意思是：name 可以是字符串，也可以是 None
Name是必须填写的：
Spider.init 里会检查：
if self.name is None:
raise ValueError(f"{self.class .name} must have a name.")
正确用法：
class QuotesSpider(Spider):
name = "quotes" # ✅ 必须给名字
基类定义（父类）
class Spider(ABC):
name: Optionalstr = None
start_urls: liststr = \[\] # 有默认值，可以被子类覆盖
子类继承（传进来）
class MySpider(Spider):
name = "my-spider"
start_urls = "https://example.com" # 覆盖父类的默认值
类属性默认值，子类覆盖之后生效
- allowed_domains: Setstr = set()
限定爬虫的爬取范围