http://www.hccm91.com

                                                                  【快乐十分app】为什么选择用python做爬虫

                                                                  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

                                                                  1.jpg

                                                                  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)

                                                                  选择Python做爬虫的原因:

                                                                  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 urllibimport urllib.requestdef 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= ur,llib.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(f)ullurl)        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://t[ieba.baidu.com/f?'    kw1={'kw':kw}    key = urllib.parse.urlencode(kw1)    fullurl=url+key    tiebaSpider(fullurl,beginPage,endPage)
                                                                                  

                                                                  郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

                                                                  上一篇:华为发布nova5系列新品:4800万像素AI四摄,2799元起
                                                                  下一篇:没有了