From：https://brucedone.com/archives/771

8個(gè)最高效的 Python 爬蟲框架

• 1. Scrapy。Scrapy是一個(gè)為了爬取網(wǎng)站數(shù)據(jù)，提取結(jié)構(gòu)性數(shù)據(jù)而編寫的應(yīng)用框架。
• 2. PySpider。pyspider 是一個(gè)用python實(shí)現(xiàn)的功能強(qiáng)大的網(wǎng)絡(luò)爬蟲系統(tǒng)，能在瀏覽器界面上進(jìn)行腳本的編寫，功能的調(diào)度和爬取結(jié)果的實(shí)時(shí)查看，后端使用常用的數(shù)據(jù)庫(kù)進(jìn)行爬取結(jié)果的存儲(chǔ)，還能定時(shí)設(shè)置任務(wù)與任務(wù)優(yōu)先級(jí)等。
• 3.Crawley。Crawley可以高速爬取對(duì)應(yīng)網(wǎng)站的內(nèi)容，支持關(guān)系和非關(guān)系數(shù)據(jù)庫(kù)，數(shù)據(jù)可以導(dǎo)出為JSON、XML等。
• 4.Portia。Portia 是一個(gè)開源可視化爬蟲工具，可讓您在不需要任何編程知識(shí)的情況下爬取網(wǎng)站！簡(jiǎn)單地注釋您感興趣的頁(yè)面，Portia 將創(chuàng)建一個(gè)蜘蛛來(lái)從類似的頁(yè)面提取數(shù)據(jù)。
• 5.Newspaper。Newspaper 可以用來(lái)提取新聞、文章和內(nèi)容分析。使用多線程，支持10多種語(yǔ)言等。
• 6.Beautiful Soup。Beautiful Soup 是一個(gè)可以從HTML或XML文件中提取數(shù)據(jù)的Python庫(kù).它能夠通過你喜歡的轉(zhuǎn)換器實(shí)現(xiàn)慣用的文檔導(dǎo)航,查找,修改文檔的方式.Beautiful Soup會(huì)幫你節(jié)省數(shù)小時(shí)甚至數(shù)天的工作時(shí)間。
• 7.Grab。Grab是一個(gè)用于構(gòu)建Web刮板的Python框架。借助Grab，您可以構(gòu)建各種復(fù)雜的網(wǎng)頁(yè)抓取工具，從簡(jiǎn)單的5行腳本到處理數(shù)百萬(wàn)個(gè)網(wǎng)頁(yè)的復(fù)雜異步網(wǎng)站抓取工具。Grab提供一個(gè)API用于執(zhí)行網(wǎng)絡(luò)請(qǐng)求和處理接收到的內(nèi)容，例如與HTML文檔的DOM樹進(jìn)行交互。
• 8.Cola。Cola 是一個(gè)分布式的爬蟲框架，對(duì)于用戶來(lái)說，只需編寫幾個(gè)特定的函數(shù)，而無(wú)需關(guān)注分布式運(yùn)行的細(xì)節(jié)。任務(wù)會(huì)自動(dòng)分配到多臺(tái)機(jī)器上，整個(gè)過程對(duì)用戶是透明的。

教程導(dǎo)航

• (1)分布式下的爬蟲Scrapy應(yīng)該如何做-安裝
• (2)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于對(duì)Scrapy的反思和核心對(duì)象的介紹
• (3)分布式下的爬蟲Scrapy應(yīng)該如何做-遞歸爬取方式，數(shù)據(jù)輸出方式以及數(shù)據(jù)庫(kù)鏈接
• (4)分布式下的爬蟲Scrapy應(yīng)該如何做-規(guī)則自動(dòng)爬取及命令行下傳參
• (5)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于爬蟲的調(diào)度機(jī)制與調(diào)度架構(gòu)的構(gòu)想
• (5.1)分布式下的爬蟲Scrapy應(yīng)該如何做-windows下的redis的安裝與配置
• (6)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于打斷點(diǎn)Debug的那些事兒
• (7)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于偽裝和防Ban的那點(diǎn)事兒
• (8)分布式下的爬蟲Scrapy應(yīng)該如何做-圖片下載(源碼放送)
• (9)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于ajax抓取的處理(一)
• (10)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于動(dòng)態(tài)內(nèi)容js或者ajax處理(2)
• (11)分布式下的爬蟲Scrapy應(yīng)該如何做-關(guān)于js渲染環(huán)境splash的一些使用技巧總結(jié)
• (12)分布式下的爬蟲Scrapy應(yīng)該如何做-分布式的淺析
• (13)分布式下的爬蟲Scrapy應(yīng)該如何做-另一種分布式架構(gòu)
• [scrapyd]爬蟲應(yīng)該怎么部署到ubuntu上
• 使用scrapy有用的一些細(xì)節(jié)點(diǎn)

爬蟲周邊

• [調(diào)度]可視化的調(diào)度架構(gòu)-Dagobah
• 基于scrapy可見可得的爬蟲工具arachnado
• [深度學(xué)習(xí)]Tensorflow破解驗(yàn)證碼
• [深度學(xué)習(xí)] 使用Darknet YOLO 模型破解中文驗(yàn)證碼點(diǎn)擊識(shí)別
• [selenium-grid]多機(jī)分布式環(huán)境下的selenium集群
• [重大更新]可視化調(diào)度器tiktok 問世了
• [渲染利器]Google官方出品的js渲染環(huán)境
• 關(guān)于爬蟲的架構(gòu)，經(jīng)驗(yàn)，以及分享

可視化抓取研究

• [可視化抓取]portia2.0嘗鮮體驗(yàn)以及自動(dòng)化暢想[1]
• [可視化抓取]portia2.0嘗鮮體驗(yàn)以及自動(dòng)化暢想-數(shù)據(jù)輸出以及原理分析
• [可視化抓取]portia2.0嘗鮮體驗(yàn)以及自動(dòng)化暢想-數(shù)據(jù)存儲(chǔ)入mongodb

源碼分析

• [scrapy]scrapy源碼分析–數(shù)據(jù)是如何處理的
• [scrapy]scrapy源碼分析–中間件是如何加載的
• [scrapy]scrapy源碼分析–信號(hào)事件是如何加載以及自定義信號(hào)
• [scrapy] images pipeline分析– 下載圖片如何上傳到阿里云服務(wù)

經(jīng)驗(yàn)分享

• 同一項(xiàng)目不同的spider啟用不同的配置

demo源碼

• cnbeta抓取
• 豆瓣圖片下載
• google play 應(yīng)用數(shù)量
• cnbeta抓取數(shù)據(jù)存入mysql?

錯(cuò)誤處理

• scrapy下的常見錯(cuò)誤處理

總結(jié)

以上是生活随笔為你收集整理的Scrapy 爬虫教程导航的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。