欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

python爬虫要学什么

程序员文章站 2022-03-19 15:17:15
...
爬虫,被称为网络机器人,在FOAF社区中间,更经常的称为网页追逐者,是一种按照一定的规则,自动地抓取万维网信息的程序或者脚本,主要用于搜索引擎,它将一个网站的所有内容与链接进行阅读,并建立相关的全文索引到数据库中,然后跳到另一个网站。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,再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。

python爬虫要学什么

学习之前的准备

1、一颗热爱学习

2、不屈不挠的心一台有键盘的电脑(什么系统都行。我用的os x,所以例子会以这个为准)

3、html相关的一些前段知识。不需要精通,能懂一点就够!Python的基础语法知识 。

具体的学习路线

总体分为三个大方面:

1、简单的定向脚本爬虫(request --- bs4 --- re)

2、大型框架式爬虫(Scrapy框架为主)

3、浏览器模拟爬虫 (Mechanize模拟 和 Selenium 模拟)

具体步骤:

1、Beautiful Soup

requests库的安装与使用,安装beautiful soup 爬虫环境,beautiful soup 的解析器,re库 正则表达式的使用,bs4 爬虫实践。获取百度贴吧的内容bs4 爬虫实践,获取双色球中奖信息bs4 爬虫实践, 获取起点小说信息bs4 爬虫实践,获取电影信息bs4 爬虫实践。 获取悦音台榜单

2、Scrapy 爬虫框架

安装Scrapy,Scrapy中的选择器 Xpath和CSSScrapy 爬虫实践,今日影视Scrapy 爬虫实践,天气预报Scrapy 爬虫实践,获取代理Scrapy 爬虫实践,糗事百科Scrapy 爬虫实践, 爬虫相关攻防(代理池相关)

3、浏览器模拟爬虫

Mechanize模块的安装与使用,利用Mechanize获取乐音台公告,Selenium模块的安装与使用,浏览器的选择 PhantomJS,Selenium & PhantomJS 实践,获取代理;Selenium & PhantomJS 实践,漫画爬虫。

以上就是python爬虫要学什么的详细内容,更多请关注其它相关文章!

相关标签: 爬虫