第一个python爬虫

第一步:安装开发环境2.X或者3.X

第二步:安装开发软件

第三步:pip install 来安装第三方的包,遇到包不能安装可以使用豆瓣(其他国内的)的包

一:Linux服务器多个版本的python可以使用 pyenv 管理多个版本

二:爬虫的工作流程

1、将种子url放入队列

2、从队列中获取url,抓取内容

3、解析抓取的内容,将进一步抓取的url放入工作队列

4、安装爬虫框架scrapy

5、框架scrapy的学习资料

https://scrapy-chs.readthedocs.io/zh_CN/0.24/index.html

http://www.scrapyd.cn/

三:抓取策略分深度优先和广度优先,PageRank,大站优先策略

四:如何去重:Hash表和bloom过滤器(实际工作中,省内存)

五:robots协议和规范

http://baike.so.com/doc/4854891-5072162.html

六:爬虫质量标准

分布式,可伸缩性,性能和有效性,质量,新鲜性,更新,可扩展性

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

小白爱吃猪头肉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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