- 博客(3)
- 收藏
- 关注
RSS订阅转载 网页爬虫--scrapy进阶
本篇将谈一些scrapy的进阶内容，帮助大家能更熟悉这个框架。1. 站点选取现在的大网站基本除了pc端都会有移动端，所以需要先确定爬哪个。比如爬新浪微博，有以下几个选择： 1. www.weibo.com，主站 2. www.weibo.cn，简化版 3. m.weibo.cn，移动版上面三个中，主站的微博数据是动态加载的，意味着光看源码是看不到数据的，想爬的话要么搞清楚其api访问情况，要么
2016-10-15 12:07:53
712
转载 爬虫入门（实用向）
从接触爬虫到现在也有一年半了，在这里总结一下一个新人入门爬虫需要了解的种种。作为实用向入门教程，我不会讲太多细枝末节的东西。最重要的就是能爬到东西不是吗？那好，作为一个爬虫新人，要爬一个网站时，应该怎么开始呢？首先，确定要爬的内容。是要整个网站的所有内容还是只是部分？需要的爬取的数据在网页源代码里有吗（涉及到模拟js发送请求）？需要的爬取的数据在网页上有吗（要用API爬吗）？确定要爬的内容之后，紧接
2016-10-15 12:07:04
1284
转载 网页爬虫--scrapy入门
本篇从实际出发，展示如何用网页爬虫。并介绍一个流行的爬虫框架~1. 网页爬虫的过程所谓网页爬虫，就是模拟浏览器的行为访问网站，从而获得网页信息的程序。正因为是程序，所以获得网页的速度可以轻易超过单身多年的手速：)。通常适用于需要大量网页信息的场合。爬取网页的流程为：访问初始url -> 获得返回的网页，从这个网页中得到新的url并放入待爬队列 -> 访问新的url -> …依次循环。整体上来看就是一
2016-10-15 12:06:22
489
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人