Python初级简易爬虫

最近在进行Android网络框架开发时，需要服务端进行测试，于是学习一下Python+Flask，也顺便做一做Python的爬虫。

Python版本：

• Python 3.5

项目结构：

• CoreSpider：控制爬虫的整体逻辑，负责调用其他模块
• HtmlParser：使用BeautifulSoup解析HTML页面，通过对HTML标签及其属性的选择，获取所有目标的名称和链接
• Item：每一个目标是一个Item对象，包含有url和name属性
• TaskManager：使用一个线程安全的队列保存任务（下版本将加入多线程支持）
• FileDownloader：从任务队列中不断取出Item对象，下载并命名、保存到指定位置

用到的模块

• 第三方模块 BeautifulSoup
• 内置模块 urllib.request（在Python2.X版本为urllib2）、queue等

项目地址

GitHub链接：https://github.com/lzjohnny/MoeSpider