C++,Java,python等很多语言都可以爬数据,推荐大家用python,理由简单实用。
爬虫,根据爬的对象,可以分为爬网页和爬app。
相对来说,爬app的难度会大一点,因为熟悉Android和iOS开发的人员少,反编译的难度比较大。
但不是说,爬网页是很简单的事,这主要看双方的攻防较量。
下面说下爬虫的一般流程:
第一、锁定一个要爬取的URL,网页可以通过浏览器网络确定,app就需要抓包,详情这边不在展开。
第二、解析数据,包括HTML、XML、JSON。
第三、组包,拼接包头和内容,发送请求,获取响应数据。
第四、通过队列进行数据存取。
第五、增加IP代理池,防止IP被锁定。
第六、数据入库,可以选MongoDB或Mysql,具体选哪种数据库,看实际情况。
第七、部署服务器,进行长时间测试。