三个Python爬虫版本,带你轻松入门爬虫

爬虫是什么?

如果我们把互联网比作一张大的蜘蛛网,数据便是存放于蜘蛛网的各个节点,而爬虫就是一只小蜘蛛,

沿着网络抓取自己的猎物(数据)爬虫指的是:向网站发起请求,获取资源后分析并提取有用数据的程序;

从技术层面来说就是 通过程序模拟浏览器请求站点的行为,把站点返回的HTML代码/JSON数据/二进制数据(图片、视频) 爬到本地,进而提取自己需要的数据,存放起来使用;

基本环境配置

版本:Python3

系统:Windows

IDE:Pycharm

爬虫所需工具:

请求库:requests,selenium(可以驱动浏览器解析渲染CSS和JS,但有性能劣势(有用没用的网页都会加载);)

解析库:正则,beautifulsoup,pyquery

存储库:文件,MySQL,Mongodb,Redis

Python爬虫基本流程

基础版:

函数封装版

并发版

(如果一共需要爬30个视频,开30个线程去做,花的时间就是 其中最慢那份的耗时时间)

明白了Python爬虫的基本流程,然后对照代码是不是觉得爬虫特别的简单呢?

原文发布于微信公众号 - python教程(pythonjc)

原文发表时间:2019-10-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券