爬虫框架就是一些爬虫项目的半成品,可以将些爬虫常用的功能写好。然后留下一些接口,在不同的爬虫项目当中,调用适合自己项目的接口,再编写少量的代码实现自己需要的功能。因为框架中已经实现了爬虫常用的功能,所以为开发人员节省了很多精力与时间。
Scrapy
Scrapy框架是一套比较成熟的Python爬虫框架,简单轻巧,并且非常方便。可以高效事的爬取 Web页面井从页面中提取结构化的数据。
重要的是Scrapy 是一套开源的框架,所以在使用时不需要担心收取费用的问题。
Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架。可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中。可以用它轻松的爬下来如亚马逊商品信息之类的数据。
Scrapy 的官网地址为:
https://scrapy.org/
Crawley
Crawley也是Python开发出的爬虫框架,该框架致力于改变人们从互联网中提取数据的方式Crawley的具体特性如下:
基于Eventlet构建的高速网络爬虫框架。
可以将数据存储在关系数据库中,例如,Postgres, Mysql. Oracle. Sqlite.
可以将爬取的数据导入为Json. XML格式。
支持非关系数据跨,例如,Mongodb 和Couchdb.
支持命令行工具。
可以使用喜欢的工具进行数据的提取,例如,XPath 或Pyquery工具。
支持使用Cookie登录或访问那些只有登录才可以访问的网页。
Cra