requests+selenium 爬虫项目和 scrapy 爬虫项目的区别

爬虫项目

request+selenium爬虫

• 项目周期
• 项目介绍
  • 爬了XXXXX，XXX，XXX，等网站，获取网站上的XXX，XXX，XXX，数据，每个月定时抓取XXX数据，使用该数据实现了XXX，XXX，XX，
• 开发环境
  • linux+pycharm+requests+mongodb+redis+crontab+scrapy_redis+ scarpy + mysql+gevent+celery+threading
• 使用技术
  • 使用requests…把数据存储在mongodb中
  • 使用crontab实现程序的定时启动抓取
  • url地址的去重
    • 使用redis的集合，把request对象的XXX字段通过sha1生成指纹，放入redis的集合中进行去重，实现基于url地址的增量式爬虫
    • 布隆过滤
  • 对数据的去重
    • 把数据的XXX字段通过sha1生成指纹，放入redis的集合中进行去重，实现增量式爬虫
  • 反扒
    • 代理ip
      • 购买了第三的代理ip，组成代理ip池，其中的ip没两天更新一次，同时使用单独的程序来检查代理ip的可用
    • cookie
      • 准备了XX个账号，使用requests获取账号的对应的cookieÿ