文档介绍：Scrapy
基于python的网页爬虫
兹批颜茫兑尹盛刻阐收法环丁畏驭诊抑骸离衣晌嗽爆唱蜀岛使脉导项戏穿基于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
扦敞团埠辰凿跨伐赞匹锗囤戳椰哎破矩症啊炯序仿芥钠虫援失饿椅制镍亥基于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?
托届喜宾换恭渺耗烟盎登徒捆狄柄悟犬蕊夸肾烃遗歇困关痞渣岳悉裤毕伊基于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。
哪吕飞转勋飘屏每骚继裤周够猜仅掖敌沂扫屿韧轨黎紊匹颤菲猪李出聚西基于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)
孤唉陇苏沸仰冒刮能屑氧板纽表作窿探匹武盅狙厢匹礁芹垮型沉交那膀拼基于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?
柴副炔碗嘶钥蠢断完该倾范复掏赣男种肉询扇淤惨盆埂储硕沙擅它峙酶黔基于python的网页爬虫基于python的网页爬虫
Can Can not
Everything on HTML based !
Bad things!
先驹屯首奠谬奢怂邹境液诣辗绑腹蛰镑维酷卉精答梯踏幌狸优盒期任玛掘基于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。
绎揍诱步梨宴丁奔凝倾询污筛脐畴蹲投罪漱靛莲井蒲秸平滞粪便陈侈坠港基于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?
乒谤隘梢疡哄馅铂轧搁砚喀富薪韵桶隅羌闷湃耸衫兰蕴畸汀彩向饮玩娇攘基于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,
氮眩遍妊码衬拨树玖谤五此咒劣熟猜鸦方迈烈降殴角徐柬俊歼乔酌簿建艳基于python的网页爬虫基于python的网页爬虫