(详情:https://blog.csdn.net/hsdfz0201/article/details/79600115)
scrapy爬虫
笔者近期有一个特定网站全站爬取的需求。因为全站数据量大,又希望时间开销小。作为一个入门级的爬虫工作者,根据以往经验,笔者(主要使用python
编程)设想了以下几种方案:
selenium
1、用 selenium
模拟浏览器爬虫,自己改造框架,使得可以多层全站爬取。
这里,模拟浏览器的好处在于可以加载运行JS
脚本,能够解决一些JS
脚本动态生成链接的问题。但是对于全站爬取而非特定页面,这样的时间开销很大,工作也很复杂,不太适合入门级的选手。(关于时间开销,如果有加速的办法和分布式解决方案请给笔者留言)