常见Python爬虫框架你会几个?
2024-10-18 06:11:49
前言
文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者:三名狂客
正文
注意:如果你Python技术学的不够好,可以点击下方链接获取最新Python教程:
http://note.youdao.com/noteshare?id=a3a533247e4c084a72c9ae88c271e3d1
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)Crawley: 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)newspaper:提取新闻、文章以及内容分析
(5)python-goose: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)mechanize: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)selenium: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)cola: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。
以上9个你会用几个呢?
最新文章
- 自己实现一个javascript事件模块
- JQuery Ajax调用asp.net后台方法
- Android ooVoo Apk附件关联分析
- WCF局域网内使用代理无法访问解决方法
- 网狐6603手机棋牌游戏源码.rar
- DB2 SQL RR/RS/CS/UR四个级别《转载》
- dict两种遍历方法
- varchar和Nvarchar的区别
- UIApplicationMain方法介绍
- 2017最新PHP初级经典面试题目汇总(下篇)
- DOM-基本概念及使用
- mybatis_02简单操作数据库
- (19)ThreadPoolExecutor线程池
- KiCad 开源元件库收集
- postmessage/cors跨域postMessage、xhr2和xmldomain
- Windows AD域管理软件
- 结构体指针之 段错误 具体解释(segmentation fault)
- 170615、spring不同数据库数据源动态切换
- Linux终端提示符PS1设置(颜色)
- v4l
热门文章
- python 豆瓣top250电影的爬取
- CSS(7)--- 通俗讲解清除浮动
- java编程思想第四版第十四章 类型信息总结
- 编写 Dockerfile 最佳实践
- 从壹开始 [ Design Pattern ] 之一 ║ 设计模式开篇讲
- 《JAVA 程序员面试宝典(第四版)》之循环、条件、概率
- 什么是TCP, UDP, HTTP, HTTPS协议?
- 初识JVM内存模型
- sed和awk的简单使用
- mysql如何设置主从(读写分离),redis发布功能,以及redis的持久化存储(rdb,aof)