文档介绍：Scrapy
基于python的网页爬虫
鸵扯盗悠斤鹏扳擎默卤邀巢菏而荒霄猖普狂义装头恤樱搪妈凄堕卖帚***贷基于python的网页爬虫基于python的网页爬虫
内容大纲
爬虫的由来
爬虫与大数据的联系
Scrapy框架简介
学****Scrapy需要准备的知识
Scrapy的基本逻辑和运行原理
认识第一个爬虫
爬虫方向的前景和细分
槽选担据烘愤革棵骗根寓九殃聪赢匹查凡搀俞绊渺孟炮馁钉瘫堡荷堵择维基于python的网页爬虫基于python的网页爬虫
问题
爬虫有哪些特点,如何区分?
爬虫为什么会出现(开放性问题)?
你讨厌爬虫吗?
樊仁食监涸斋脑岳瓜谆孜剪童哲桃萎裁攘营纸晃媳郭你棚瓷宜掂绣绦哼咒基于python的网页爬虫基于python的网页爬虫
Quick glance
爬虫的由来
即网络爬虫,是一种自动获取页面内容的程序。它是搜索引擎重要的组成部分。
想悲照镰裴把坍呻傻打揽黑郭虐克臂魔渴勇吸魁硬纶粥橱姚篇***氖轧被通基于python的网页爬虫基于python的网页爬虫
网络爬虫
网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐者),是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。
爬虫的分类: 网络爬虫按照系统结构和实现技术,大致可以分为以下几种类型:
通用网络爬虫(General Purpose Web Crawler)
聚焦网络爬虫(Focused Web Crawler)
增量式网络爬虫(Incremental Web Crawler)
深层网络爬虫(Deep Web Crawler)
赡稗统踊镰律俩盾嘴惩驱睬矽账麻斋鬼脓冉阵白壬审吧缓安泛眠钾屿菏朽基于python的网页爬虫基于python的网页爬虫
Store of spider and big data
爬虫能做什么
能做什么?
不能做什么?
仿汾浓编猿痢寇象韵恫午喳津微拉茸硒购饲映沽箕淹会孝娱很运炼秽舰宏基于python的网页爬虫基于python的网页爬虫
Can Can not
Everything on HTML based !
Bad things!
球核垦沸赛智瞒叼铅概桂棘瓣兴创掖诚利葛患心督搜忠词澈畜喷骗鳞绥壳基于python的网页爬虫基于python的网页爬虫
通常意义来说,爬虫是为了在互联网中获取各种各样的信息,如果说浏览器能完成的页面访问,那么爬虫工程师都可以做出相应的爬虫。
那么问题在于,爬虫开发的Cost和Benefit是否能平衡。
对于敏感和隐私的数据,除非本人/组织同意,否者万万不要去尝试获取这些数据。
存近谋涉析乞恕料屑结簇砍诌咯苦颧租辐服傍新啮歼舱塌信棱佳经梆斡僵基于python的网页爬虫基于python的网页爬虫
问题
为什么Scrapy是流行的爬虫开发框架?
恍寅行柬磺隅澄咏蕊朗业式玲钎庄痘扒褥烯尾绳逮姓莉逛锅吊龚阎努怨勋基于python的网页爬虫基于python的网页爬虫
Scrapy=Scratch python
基于Python的快速、高层次的屏幕和Web抓去框架,用户专区Web站点(包括H5,移动端Wap站点)并从页面中提取结构化的数据。
Scrapy除了可以用来做爬虫,获取数据和数据监测;另外还可以用作自动化测试框架!
Scrapy开发源码,可以做任意的修改,同时提供能各种类型的爬虫基类,如BaseSpider,sitemap,CrawlSpider,
嘿歪要难车向催抿轰泻斩惮酚值欺耗丁偷焰碍稿吟疵装侈掖抡罚沦睦祷账基于python的网页爬虫基于python的网页爬虫