python爬虫都能干什么用?为什么选择用python做爬虫

时间:2024-03-10 11:09:15/人气:352 ℃

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

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 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)

更多Python相关技术文章,请访问Python教程栏目进行学习!

以上就是为什么选择用python做爬虫的详细内容,更多请关注其它相关文章!

更多技巧请《转发 关注》哦!

推荐

  • 1成本会计的发展及策略论析论文338
  • 22013年海南省特岗教师招聘教育公共知识考试真题Word版365
  • 3美国留学雅思成绩要求多少496
  • 4大学军训日记感言235
  • 5小学生低年级食品安全黑板报内容316
  • 6致经理的一封信126
  • 7小学生活英语作文125
  • 8聚会倡议书范文大全191
  • 9基坑发生管涌原因,基坑突发管涌怎么处理344
  • 10如何用手机号注册电子邮箱?如何申请一个电子邮箱帐号419
  • 首页/电脑版/地图
    © 2024 OONiu.Com All Rights Reserved.