1.爬虫的简介和价值
- 爬虫: 一段自动抓取互联网信息的程序
- 价值:互联网数据,为我所用
- 可以应用到:新闻聚合阅读器、最爆笑的故事APP、最漂亮美女图片网、图书价格对比网、Python技术文章大全等等。
2.URL管理器
URL管理器:管理待抓取URL集合和已抓取URL集合
实现方式
- 内存
- Python内存
- 待爬取URL集合:set()
- 已爬取URL集合:set()
- 关系数据库
- MySQL
- urls(url, is_crawled)
- 缓存数据库
- redis
- 待爬取URL集合:set
- 已爬取URL集合:set