大家好哈，最近博主在學習Python，學習期間也遇到一些問題，獲得了一些經驗，在此將自己的學習系統地整理下來，如果大家有興趣學習爬蟲的話，可以將這些文章作為參考，也歡迎大家一共分享學習經驗。 Python版本:2.7，Python 3請另尋其他博文。 首先爬蟲是什么？ > 網絡爬蟲（又被稱為網頁蜘蛛，網絡機器人，在FOAF社區中間，更經常的稱為網頁追逐者），是一種按照一定的規則，自動的抓取萬維網信息的程序或者腳本。 根據我的經驗，要學習Python爬蟲，我們要學習的共有以下幾點： * Python基礎知識 * Python中urllib和urllib2庫的用法 * Python正則表達式 * Python爬蟲框架Scrapy * Python爬蟲更高級的功能 ## 1.Python基礎學習 首先，我們要用Python寫爬蟲，肯定要了解Python的基礎吧，萬丈高樓平地起，不能忘啦那地基，哈哈，那么我就分享一下自己曾經看過的一些Python教程，小伙伴們可以作為參考。 ### 1) 慕課網Python教程 曾經有一些基礎的語法是在慕課網上看的，上面附有一些練習，學習完之后可以作為練習，感覺效果還是蠻不錯的，不過稍微遺憾的是內容基本上都是最基礎的，入門開始的話，就這個吧 學習網址：慕課網Python教程 ### 2) 廖雪峰Python教程 后來，我發現了廖老師的Python教程，講的那是非常通俗易懂哪，感覺也是非常不錯，大家如果想進一步了解Python就看一下這個吧。 學習網址：[廖雪峰Python教程](http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000) ### 3) 簡明Python教程 還有一個我看過的，簡明Python教程，感覺講的也不錯 學習網址：[簡明Python教程](http://woodpecker.org.cn/abyteofpython_cn/chinese/pr01.html#s01) ## 2.Python urllib和urllib2 庫的用法 urllib和urllib2庫是學習Python爬蟲最基本的庫，利用這個庫我們可以得到網頁的內容，并對內容用正則表達式提取分析，得到我們想要的結果。這個在學習過程中我會和大家分享的。 ## 3.Python 正則表達式 Python正則表達式是一種用來匹配字符串的強有力的武器。它的設計思想是用一種描述性的語言來給字符串定義一個規則，凡是符合規則的字符串，我們就認為它“匹配”了，否則，該字符串就是不合法的。這個在后面的博文會分享的。 ## 4.爬蟲框架Scrapy 如果你是一個Python高手，基本的爬蟲知識都已經掌握了，那么就尋覓一下Python框架吧，我選擇的框架是Scrapy框架。這個框架有什么強大的功能呢？下面是它的官方介紹： > HTML, XML源數據 選擇及提取 的內置支持 > 提供了一系列在spider之間共享的可復用的過濾器(即 Item Loaders)，對智能處理爬取數據提供了內置支持。 > 通過 feed導出 提供了多格式(JSON、CSV、XML)，多存儲的內置支持 > 提供了media pipeline，可以 自動下載 爬取到的數據中的圖片(或者其他資源)。 > 高擴展性。您可以通過使用 signals ，設計好的API(中間件, extensions, pipelines)來定制實現您的功能。 > 內置的中間件及擴展為下列功能提供了支持: > cookies and session 處理 > HTTP 壓縮 > HTTP 認證 > HTTP 緩存 > user-agent模擬 > robots.txt > 爬取深度限制 > 針對非英語語系中不標準或者錯誤的編碼聲明, 提供了自動檢測以及健壯的編碼支持。 > 支持根據模板生成爬蟲。在加速爬蟲創建的同時，保持在大型項目中的代碼更為一致。詳細內容請參閱 genspider 命令。 > 針對多爬蟲下性能評估、失敗[檢測]shell終端 , 為您測試XPath表達式，編寫和調試爬蟲提供了極大的方便 > 提供 System service, 簡化在生產環境的部署及運行 > 內置 Web service, 使您可以監視及控制您的機器 > 內置 Telnet終端 ，通過在Scrapy進程中鉤入Python終端，使您可以查看并且調試爬蟲 > Logging 為您在爬取過程中捕捉錯誤提供了方便 > 支持 Sitemaps 爬取 > 具有緩存的DNS解析器 官方文檔：[http://doc.scrapy.org/en/latest/](http://doc.scrapy.org/en/latest/) 等我們掌握了基礎的知識，再用這個 Scrapy 框架吧！ 扯了這么多，好像沒多少有用的東西額，那就不扯啦！ 下面開始我們正式進入爬蟲之旅吧！