这次只演示了,如何在真实项目内用到BeautifulSoup库来解析网页,而新浪的新闻是ajax加载过来的数据,在这里我们只演示解析部分数据(具体反扒机制没做分析)。
代码地址:https://gitee.com/dwyui/BeautifulSoup_xinlang.git。
关于的爬虫的博客已经越来越多,使用到的技术也越来越多,后期我还会持续写下去,大概从几个角度去写,多线程爬取(提高效率),如何更好的做到爬取数据(破解反扒)。
用redis管理多线程和代理IP,后期也会做一段关于非关系型数据库的博客,敬请期待。