选择Python写网络爬虫的优势和理由
更新时间：2019年07月07日 08:25:01 作者：尚
在本篇文章里小编给各位整理了一篇关于选择Python写网络爬虫的优势和理由以及相关代码实例，有兴趣的朋友们阅读下吧。
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？
- 做为通用搜索引擎网页收集器。（google,baidu）
- 做垂直搜索引擎.
- 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。
- 偷窥，hacking，发垃圾邮件……
爬虫是搜索引擎的第一步也是最容易的一步
• 网页搜集
• 建立索引
• 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。
脚本语言：Perl, Python, 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？
- 跨平台，对Linux和windows都有不错的支持。
- 科学计算，数值拟合：Numpy，Scipy
- 可视化：2d：Matplotlib(做图很漂亮), 3d: Mayavi2
- 复杂网络：Networkx
- 统计：与R语言接口：Rpy
- 交互式终端
- 网站的快速开发？
一个简单的Python爬虫
import urllib
import urllib.request
def loadPage(url,filename):
"""
作用：根据url发送请求，获取html数据;
:param url:
:return:
"""
request=urllib.request.Request(url)
html1= urllib.request.urlopen(request).read()
return html1.decode('utf-8')
def writePage(html,filename):
"""
作用将html写入本地
:param html: 服务器相应的文件内容
:return:
"""
with open(filename,'w') as f:
f.write(html)
print('-'*30)
def tiebaSpider(url,beginPage,endPage):
"""
作用贴吧爬虫调度器，负责处理每一个页面url;
:param url:
:param beginPage:
:param endPage:
:return:
"""
for page in range(beginPage,endPage+1):
pn=(page - 1)*50
fullurl=url+"&pn="+str(pn)
print(fullurl)
filename='第'+str(page)+'页.html'
html= loadPage(url,filename)
writePage(html,filename)
if __name__=="__main__":
kw=input('请输入你要需要爬取的贴吧名:')
beginPage=int(input('请输入起始页'))
endPage=int(input('请输入结束页'))
url='https://tieba.baidu.com/f?'
kw1={'kw':kw}
key = urllib.parse.urlencode(kw1)
fullurl=url+key
tiebaSpider(fullurl,beginPage,endPage)
以上就是关于为什么Python写网络爬虫的全部理由和知识点，感谢大家的阅读和对脚本之家的支持。
相关文章
在处理权限控制时,装饰器能帮助我们以一种统一且简洁的方式管理不同用户对系统资源的访问权限,本文将通过几个简单的示例逐步展示如何利用Python装饰器实现从基础到复杂的权限控制功能2024-01-01
Requests是一个功能强大的Python HTTP库，用于发送HTTP请求，获取响应数据，本文主要来和大家聊聊它的用法，需要的小伙伴可以跟随小编一起学习一下2023-07-07
这篇文章主要介绍了简单了解python装饰器原理及使用方法,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了keras slice layer 层实现方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要介绍了如何使用Python破解ZIP或RAR压缩文件密码,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-01-01
这篇文章主要介绍了Keras—embedding嵌入层的用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要介绍了关于python中逆序的三位数，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-05-05
这篇文章主要介绍了Python可视化之pyechart库使用详解,Pyecharts 提供了一个简单而直观的 API 接口,使得使用者无需了解复杂的 JavaScript 语法,即可通过 Python 代码实现高度定制化的图表设计,需要的朋友可以参考下2023-12-12
matplotlib要组装一张图表，需要的各个基础组件对象。相对工作量较大，但在pandas中我们有行标签和列标签以及分组信息。原本制作一张图表需要一大堆matplotlib代码。在pandas中只需要一两条代码就可以了，今天记录一下，pandas中常见的几个绘制图表的方法2022-12-12
这篇文章主要介绍了python 用户交互输入input的4种用法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
最新评论