首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >小白学 Scrapy 爬虫系列之一:准备实验机器

小白学 Scrapy 爬虫系列之一:准备实验机器

原创
作者头像
编程派
修改2017-06-19 18:57:00
1.3K0
修改2017-06-19 18:57:00
举报
文章被收录于专栏:编程派的专栏编程派的专栏

爬虫如今是一个非常热门的技术领域,不仅因为它是获取大数据的一种有效方式,还在于它入门还是比较简单、快速,小白学完比较容易有成就感,而且可以「学以致用」。

本系列文章中,笔者将带领大家从零开始学习爬虫编写。在跟随笔者一起实操之前,要求大家有一定的 Python 基础。之前没接触过的同学也不用担心,Python 号称是世界上最容易学的语言,如果之前没有了解,可以先看看Think Python 2这本入门书。这是 Python 社区爱好者共同翻译的一本开源教材,对于零基础的同学来说很有价值。

[1495703122789_3389_1495703123017.jpg]
[1495703122789_3389_1495703123017.jpg]

第一天的任务

本系列教程一共八篇,将持续在腾讯云技术社区更新。前七篇介绍从机器配置到爬虫运行的全过程,最后一篇分享动态页面爬取、反爬虫等进阶建议。

第一天的任务,也就是本文的主题,即 完成爬虫项目的机器配置。

机器及操作系统

在学习爬虫的过程中,可能会碰到由于机器原因导致的软件安装错误,尤其是 Windows 系统。因此,本教程建议大家使用统一的机器机型和操作系统。

确保这个要求的绝佳方式,就是使用腾讯云等云计算平台提供的云服务器。这些都是标准化的机器,每台机器的初始配置都相同,而且可以选择使用一模一样的操作系统,如我们计划使用的 Ubuntu 14.04。

另外,由于直接使用云服务器,在爬虫开发完成之后,就可以直接投入实际使用,做到 7x24 小时持续运行。

因此,笔者建议大家使用腾讯云提供的云服务器。如果你是新注册用户的话,还可以申请免费30天使用。如果已经是注册用户,建议选择1核CPU1GB内存的实验机器,尽量降低实验成本。这也是本系列教程所使用的机器。

购买服务器之后,建议先按下文进行初始安全配置:

如何正确配置 Ubuntu 14.04 服务器?

基础软件

SSH 登录实验服务器之后,我们需要安装以下软件依赖,才能继续后面的任务:

  • Python 3.x
  • git
  • pip
  • virtualenv

安装过程也非常直接明了:

sduo apt-get install python3 git python3-pip

然后再使用 pip 命令安装 virtualenv:

pip3 install virutalenv

在 Ubuntu 系统下,这些操作完成的都特别快,而且基本不会出错。Windows 系统下的过程会稍微复杂一些。

后续计划

完成上面的配置之后,爬虫项目需要的实验机器就准备好了。明天,我们将介绍具体实验环境准备工作,主要包括安装PostgreSQL 数据库和 Scrapy 爬虫库等。

本系列教程的完整内容预计包括:

  • E01:机器配置
  • E02:环境配置
  • E03:创建 Scrapy 项目
  • E04:编写爬虫代码
  • E05:接入 SQLAlchemy
  • E06:编写数据处理管道
  • E07:运行爬虫的几种方式
  • E08:延伸阅读,如何避免反爬等

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 第一天的任务
  • 机器及操作系统
  • 基础软件
  • 后续计划
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档