python爬虫学习记录随笔

学习爬虫也有一些时间了,把自己学习的过程写个小结吧
1 爬虫类别
通用爬虫:常见的各大搜索引擎如某度、某哥、某应等,主要用于爬取互联网上的网站链接提供相应的搜索服务;
各大搜索引擎厂商爬虫爬取数据类型获取可分为:网页链接自行爬取、域名注册服务厂商、DNS服务商等;
专注爬虫:主要针对某个网站或某类网站,对需要的数据进行爬取。
2 爬虫须知
robots.txt文件:记录网站是否可被爬取、可否爬取的目录、网站目录等,主要是给爬虫读取的,这里需要说一下爬虫需谨慎,不要乱爬!!!
3 爬虫爬取步骤
3.1 爬取数据源,即网站域名;
3.2 获取网站的网页数据;
3.3 网页数据解析及提取;
3.4 数据持久化存储。
4 python爬虫用到的库、包或框架
获取网页数据:urllib(内置)、requests(第三方)
数据解析:bs4.BeautufulSoup、selenium
数据提取:re(正则表达式)、xpath、bs
文件操作:panda、csv
其他库:time、os、sys
持久化:pymongo、pymysql 等
多进程/线程:multiprocessing、threading
框架:pyspider 、scrapy
5 python爬虫注意事项
不要乱爬!!!
不要乱爬!!!
不要乱爬!!!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值