php爬虫传智技巧_10个高效的Python爬虫框架你用过几个

文章目录 [+]

下面先容了10个爬虫框架，大家可以学习利用！

1. Scrapyscrapy官网：https://scrapy.org/scrapy中文文档：https://www.osgeo.cn/scrapy/intro/o

Scrapy是一个为了爬取网站数据，提取构造性数据而编写的运用框架。
可以运用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。

php爬虫传智技巧_10个高效的Python爬虫框架你用过几个

其最初是为了页面抓取 (更确切来说, 网络抓取 )所设计的，也可以运用在获取API所返回的数据(例如 Amazon Associates Web Services ) 或者通用的网络爬虫。

（图片来自网络侵删）

2. PySpiderPySpider 中文网：http://www.pyspider.cnPySpider 官网：http://docs.pyspider.orgPySpider 演示：http://demo.pyspider.orgPySpider 源码：https://github.com/binux/pyspider

PySpider是一个国人编写的强大的网络爬虫系统并带有强大的WebUI，其用python实现的功能强大的网络爬虫系统，能在浏览器界面上进行脚本的编写，功能的调度和爬取结果的实时查看，后端利用常用的数据库进行爬取结果的存储，还能定时设置任务与任务优先级等。

3. Crawley

Crawley可以高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等。

4. Portia官网：https://portia.scrapinghub.com/

Portia是一个开源可视化爬虫工具，可让您在不须要任何编程知识的情形下爬取网站！
大略地注释您感兴趣的页面，Portia将创建一个蜘蛛来从类似的页面提取数据。
其紧张特色是：

基于 scrapy 内核可视化爬取内容，不须要任何开拓专业知识动态匹配相同模板的内容5. Newspaper官方文档：Quickstart - newspaper 0.0.2 documentationgithub地址：https://github.com/codelucas/newspaper

Newspaper可以用来提撤消息、文章和内容剖析。
利用多线程，支持10多种措辞等。
作者从requests库的简洁与强大得到灵感，利用python开拓的可用于提取文章内容的程序。
支持10多种措辞并且所有的都是unicode编码。

6. Beautiful Soup官方文档：Beautiful Soup 4.4.0 文档

Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜好的转换器实现惯用的文档导航,查找,修正文档的办法.Beautiful Soup会帮你节省数小时乃至数天的事情韶光。
这个我是利用的特殊频繁的。
在获取html元素，都是bs4完成的。

7. Grab官网：https://grablib.org/en/latest/

Grab是一个用于构建Web刮板的Python框架。
借助Grab，您可以构建各种繁芜的网页抓取工具，从大略的5行脚本到处理数百万个网页的繁芜异步网站抓取工具。
Grab供应一个API用于实行网络要乞降处理吸收到的内容，例如与HTML文档的DOM树进行交互。

8. Colagithub地址：https://github.com/qinxuye/cola

Cola是一个分布式的爬虫框架，对付用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。
任务会自动分配到多台机器上，全体过程对用户是透明的。

9. Selenium官网：https://www.selenium.dev/

Selenium 是自动化测试工具。
它支持各种浏览器，包括 Chrome，Safari，Firefox 等主流界面式浏览器，如果在这些浏览器里面安装一个 Selenium 的插件，可以方便地实现Web界面的测试. Selenium 支持浏览器驱动。
Selenium支持多种措辞开拓，比如 Java，C，Ruby等等，PhantomJS 用来渲染解析JS，Selenium 用来驱动以及与 Python 的对接，Python 进行后期的处理。

10. Python-goosegithub地址：https://github.com/goose3/goose

Python-goose框架可提取的信息包括：

文章主体内容文章紧张图片文章中嵌入的任何Youtube/Vimeo视频元描述元标签