Python爬虫推荐用什么框架？

黑客入门

已于 2024-01-06 17:17:05 修改

阅读量952

点赞数 21

分类专栏：程序员 Python Python爬虫文章标签： python 爬虫开发语言框架

于 2023-12-30 16:15:00 首次发布

本文链接：https://blog.csdn.net/xiangxue666/article/details/135185274

版权

Python 同时被 3 个专栏收录

196 篇文章 3 订阅

订阅专栏

程序员

132 篇文章 1 订阅

订阅专栏

Python爬虫

62 篇文章 0 订阅

订阅专栏

前言

实现爬虫技术的编程环境有很多种，Java、Python、C++等都可以用来爬虫，而Python是其中最适合的，因为Python有着非常丰富的第三方库，简单的几行代码便可实现你想要的功能，同时它也是数据挖掘和分析的好能手。

那么，Python爬虫一般用什么框架比较好呢？一般来讲，只有在遇到比较大型的需求时，才会使用Python爬虫框架，这样做的主要目的是方便管理及扩展。本文好学编程将向大家推荐十个Python爬虫框架。

Scrapy：Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。它是很强大的爬虫框架，可以满足简单的页面爬取，比如可以明确获知url pattern的情况。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据，但是对于稍微复杂一点的页面，如weibo的页面信息，这个框架就满足不了需求了。

Crawley：高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等。

cola：是一个分布式的爬虫框架，对于用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。任务会自动分配到多台机器上，整个过程对用户是透明的。

newspaper：可以用来提取新闻、文章和内容分析的程序，使用多线程，支持I0多种语言等。Portia：是一个开源可视化爬虫工具，可让使用者在不需要任何编程知识的情况下爬取网站。它是基于scrapy内核，可视化爬取内容动态匹配相同模板的内容，不需要任何开发专业知识。

Python-goose：Python-goose框架可提取的信息包括：文章主体内容、文章主要图片、文章中嵌入的任何Youtube/Vimeo视频、元描述、元标签。

Beautiful Soup：名气大，整合了一些常用爬虫需求。它是一个可以从HTML或XML文件中提取数据的Python库。它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式，缺点是不能加载JS。

mechanize：它的优点是可以加载JS。当然它的缺点也很明显，比如文档严重缺失。不过通过官方的example以及人肉尝试的方法，还是勉强能用的。

selenium：Selenium是自动化测试工具，它支持各种浏览器，包括 Chrome，Safari，Firefox等主流界面式浏览器，只要在这些浏览器里面安装一个 Selenium 的插件，就可以方便地实现Web界面的测试。

PySpider：一个国人编写的强大的网络爬虫系统并带有强大的WebUI。采用Python语言编写，分布式架构，支持多种数据库后端，强大的WebUI支持脚本编辑器，任务监视器，项目管理器以及结果查看器。Python脚本控制，可以用任何你喜欢的html解析包。

以上就是Python爬虫常用的十大主流框架。这些框架的优缺点都不同，大家在使用的时候，建议根据具体场景选择合适的框架。

-END-