~！我的觀點(diǎn)是，首先，我們需要有Python的基礎(chǔ)。在有了基礎(chǔ)的前提下，使用框架是最快的，可以在短時(shí)間內(nèi)實(shí)現(xiàn)爬蟲。這里我推薦scratch，它是一個(gè)基于python的開源web爬蟲框架。其易用性、靈活

~！我的觀點(diǎn)是，首先，我們需要有Python的基礎(chǔ)。在有了基礎(chǔ)的前提下，使用框架是最快的，可以在短時(shí)間內(nèi)實(shí)現(xiàn)爬蟲。這里我推薦scratch，它是一個(gè)基于python的開源web爬蟲框架。其易用性、靈活性、易擴(kuò)展性和跨平臺(tái)性等特點(diǎn)使其受到廣大用友的歡迎。

使用刮削也非常簡(jiǎn)單。您只需要關(guān)注spider文件，它實(shí)際上是web頁(yè)面上數(shù)據(jù)處理的一部分。以《詩(shī)詞王-爬行詩(shī)》為例。我們可以在spider中這樣寫：

上面的代碼整體上分為兩部分，一部分是提取網(wǎng)頁(yè)中的URL，另一部分是從詩(shī)歌細(xì)節(jié)頁(yè)面中提取需要爬網(wǎng)的內(nèi)容。我選擇在這里爬行的數(shù)據(jù)是詩(shī)歌作者、內(nèi)容、網(wǎng)站標(biāo)簽等等。

很方便嗎？如果不需要存儲(chǔ)數(shù)據(jù)，這里就足夠了。定義項(xiàng)字段以爬網(wǎng)數(shù)據(jù)。如果需要在數(shù)據(jù)庫(kù)中存儲(chǔ)數(shù)據(jù)，需要在管道中定義一個(gè)類來(lái)存儲(chǔ)數(shù)據(jù)

如上圖所示，定義了mongodb的類，這樣我們就可以在mongodb中存儲(chǔ)數(shù)據(jù)了。