数据分析师是可以学爬虫的,通过爬虫技术,可以快速获取自己想要的数据,辅助自己进行业务分析,丰富自己的数据来源。
爬虫的学习难度并非大家想象的这么高,他从原理上其实就是模拟人们打开链接(发起请求) -> 网页显示(获取响应数据) -> 查找所需数据(解析数据) -> 粘贴所需数据(保存数据)的这样一个过程。许多爬虫的包,比如Selenium,可以模拟人们浏览网页,点击按钮,输入内容能操作,配合简单的循环及表合并操作就能实现数据的采集。
爬虫的一个核心的技术能力是数据定位或者数据匹配,分别对应的知识点为Xpath(用节点和属性描述数据位置)和正则表达式(用字符规则匹配数据),这两个知识点也并不需要非常高深的前端知识,可以完全放心的进行学习,不会消耗太多学习时间。
但是,爬虫的难点究竟在哪里,第一点是集群的爬取数据,设置多个节点同事进行网页数据抓取,提高效率,第二点在爬虫与反爬虫的较量,比如识别验证码,拖动鼠标,甚至有的网站为了反爬虫还需要进行手机短信验证,这就像是在一个竞赛,爬虫工程师和网站开发互相展示切磋自己的技术。这些难点技能的学习则大大超出了数据分析师需要了解的技术框架,因为掌握基本的爬虫语法就已经可以获取绝大多数的网页数据了。
如果有兴趣,可以看一下我这的数据采集的课程,花几天功夫就可以对爬虫的基本技术有所了解。从0到1学习数据科学www.zhihu.com