pyspider: 爬虫框架,基于PyQuery实现的。
优势:
1. 基于多线程异步的任务调度方式;可以实现爬虫的高并发爬取,注意使用代理;
2. 它提供了一个WebUI的爬虫任务管理界面,可以实现爬虫的停止,启动,调试,支持定时爬取任务;
3. 代码简洁;
4. 支持动态网站的爬取; requests/urllib只能爬取静态网站。phantomjs
phantomjs: 幽灵浏览器,无界面版的浏览器。
劣势:下载 phantomjs 网址:http://phantomjs.org/download.html
可扩展性不强;
整体上来说:一些定制性高的,需要自定义一些功能的时候可以使用Scrapy,而一些定制性不高,不需要太多自定义功能时使用pyspider;
同步执行的. 列表页 详情页
==================================================================
下载 phantomjs 网址:http://phantomjs.org/download.html
解压压缩包, 将bin中的phantomjs.exe复制
在cmd窗口先找到python.exe 的位置 将phantomjs.exe 粘贴过来的.
在命令窗口上敲pyspider all, 出现下面两个, 就是运行成功了.
然后在窗口上运行,如下图:则成功.可以创建文件进行爬取了
删除文件时:
页面如下: