小白学 Scrapy 爬虫系列之一:准备实验机器

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。

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,本文系作者授权云+社区发表,未经许可,不得转载。

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

编辑于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Golang语言社区

【Golang语言社区】GO1.9 map并发安全测试

var m sync.Map //全局 func maintest() { // 第一个 YongHuomap := make(map[st...

5478
来自专栏杨龙飞前端

scrollto 到指定位置

2964
来自专栏pangguoming

Spring Boot集成JasperReports生成PDF文档

由于工作需要,要实现后端根据模板动态填充数据生成PDF文档,通过技术选型,使用Ireport5.6来设计模板,结合JasperReports5.6工具库来调用渲...

1.4K7
来自专栏张善友的专栏

Miguel de Icaza 细说 Mix 07大会上的Silverlight和DLR

Mono之父Miguel de Icaza 详细报道微软Mix 07大会上的Silverlight和DLR ,上面还谈到了Mono and Silverligh...

3007
来自专栏我和未来有约会

Kit 3D 更新

Kit3D is a 3D graphics engine written for Microsoft Silverlight. Kit3D was inita...

2936
来自专栏闻道于事

js登录滑动验证,不滑动无法登陆

js的判断这里是根据滑块的位置进行判断,应该是用一个flag判断 <%@ page language="java" contentType="text/html...

8758
来自专栏java 成神之路

使用 NIO 实现 echo 服务器

5617
来自专栏一个爱瞎折腾的程序猿

sqlserver使用存储过程跟踪SQL

USE [master] GO /****** Object: StoredProcedure [dbo].[sp_perfworkload_trace_s...

2940
来自专栏张善友的专栏

Mix 10 上的asp.net mvc 2的相关Session

Beyond File | New Company: From Cheesy Sample to Social Platform Scott Hansel...

2787
来自专栏我和未来有约会

Silverlight第三方控件专题

这里我收集整理了目前网上silverlight第三方控件的专题,若果有所遗漏请告知我一下。 名称 简介 截图 telerik 商 RadC...

4405

扫码关注云+社区