一、python爬虫框架
一些爬虫项目的半成品
二、常见python爬虫框架
(1)
scrapy:很强大的爬虫框架,可以满足简单的页面爬取(比如可以明确获知url pattern的情况)。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。但是对于稍微复杂一点的页面,如weibo的页面信息,这个框架就满足不了需求了。
(2): 高速爬取对应网站的内容,支持关系和非关系数据库,数据可以导出为json、xml等
(3)
portia:可视化爬取网页内容
(4):提取新闻、文章以及内容分析
(5):java写的文章提取工具
(6)
beautiful soup:名气大,整合了一些常用爬虫需求。缺点:不能加载js。
(7):优点:可以加载js。缺点:文档严重缺失。不过通过官方的example以及人肉尝试的方法,还是勉强能用的。
(8):这是一个调用浏览器的driver,通过这个库你可以直接调用浏览器完成某些操作,比如输入验证码。
(9):一个分布式爬虫框架。项目整体设计有点糟,模块间耦合度较高。
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!!
点击进行留言回复
网友评论