python爬虫
案例介绍
python爬虫
案例介绍
Python 爬虫架构主要由五个部分组成，分别是 调度器、URL管理器、网页下载器、网页解机 器、应用程序（爬取的有价值数据）。 调度器：相当于一台电脑的CPU，主要负责诉 度URL管理器、下载器、解析器之间的协调： 作。 URL管理器：包括待爬取的URL地址和已爬取白 URL地址，防止重复抓取URL和循环抓取URL， 实现URL管理器主要用三种方式， 通过内存、 类 据库、 缓存数据库来实现。 网页下载器：通过传入一个URL地址来下载区 页，将网页转换成一个字符串，网页下载器有 urllib2（Python官方基础模块）包括需要登 录、代理、和cookie，requests(requests第三方包) 网页解析器：将一个网页字符串进行解析，可l 按照我们的要求来提取出我们有用的信息，也 以根据DOM树的解析方式来解析。网页解析喜 有正则表达式 (直观，将网页转成字符串通过机 糊匹配的方式来提取有价值的信息，当文档比车 复杂的时候，该方法提取数据的时候就会非常白 困难）、html.parser（Python自带的）
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
