用mac的python写网络爬虫_选择Python写网络爬虫的优势和理由

什么是网络爬虫？

网络爬虫是一个自动提取网页的程序，它为搜索引擎从万维网上下载网页，是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件

爬虫有什么用？

1. 做为通用搜索引擎网页收集器(百度,谷歌)

2. 做垂直搜索引擎.

3. 科学研究：在线人类行为，在线社群演化，人类动力学研究，计量社会学，复杂网络，数据挖掘，等领域的实证研究都需要大量数据，网络爬虫是收集相关数据的利器。

4. 偷窥，hacking，发垃圾邮件……

5. 网页搜集

6. 建立索引

7. 查询排序

用什么语言写爬虫？

C，C++。高效率，快速，适合通用搜索引擎做全网爬取。缺点，开发慢，写起来又臭又长，例如：天网搜索源代码。

Perl, Java, Ruby。简单，易学，良好的文本处理能方便网页内容的细致提取，但效率往往不高，适合对少量网站的聚焦爬取

C#？（貌似信息管理的人比较喜欢的语言）

为什么最终选择Python？

1. 科学计算，数值拟合：Numpy，Scipy

2. 可视化：2d：Matplotlib(做图很漂亮), 3d: Mayavi2

3. 复杂网络：Networkx

4. 统计：与R语言接口：Rpy

5. 交互式终端

6. 网站的快速开发

7. 跨平台, 对linux和window支持都不错