zoukankan      html  css  js  c++  java
  • 8个最高效的Python爬虫框架,你用过几个?

    小编收集了一些较为高效的Python爬虫框架。分享给大家。

    1.Scrapy

    Scrapy是一个为了爬取网站数据,提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘,信息处理或存储历史数据等一系列的程序中。。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。

    项目地址:https://scrapy.org/

    2.PySpider

    pyspider 是一个用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,后端使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。

    项目地址:https://github.com/binux/pyspider

    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。

    项目地址:http://project.crawley-cloud.com/

    4.Portia

    Portia是一个开源可视化爬虫工具,可让您在不需要任何编程知识的情况下爬取网站!简单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。

    项目地址:https://github.com/scrapinghub/portia

    5.Newspaper

    Newspaper可以用来提取新闻、文章和内容分析。使用多线程,支持10多种语言等。

    项目地址:https://github.com/codelucas/newspaper

    6.Beautiful Soup

    Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。

    项目地址:https://www.crummy.com/software/BeautifulSoup/bs4/doc/

    7.Grab

    Grab是一个用于构建Web刮板的Python框架。借助Grab,您可以构建各种复杂的网页抓取工具,从简单的5行脚本到处理数百万个网页的复杂异步网站抓取工具。Grab提供一个API用于执行网络请求和处理接收到的内容,例如与HTML文档的DOM树进行交互。

    项目地址:http://docs.grablib.org/en/latest/#grab-spider-user-manual

    8.Cola

    Cola是一个分布式的爬虫框架,对于用户来说,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,整个过程对用户是透明的。

    项目地址:https://github.com/chineking/cola

    更多Python视频、源码、资料加群683380553免费获取

    转载:https://www.toutiao.com/i6560240315519730190/

  • 相关阅读:
    LeetCode 977 有序数组的平方
    LeetCode 24 两两交换链表中的节点
    LeetCode 416 分割等和子集
    LeetCode 142 环形链表II
    LeetCode 106 从中序与后序遍历序列构造二叉树
    LeetCode 637 二叉树的层平均值
    LeetCode 117 填充每个节点的下一个右侧节点
    LeetCode 75 颜色分类
    redhat 7.4 挂载ntfs格式的u盘并且使用
    redhat 查看CPU frequency scaling(CPU频率缩放)
  • 原文地址:https://www.cnblogs.com/Im-Victor/p/15069404.html
Copyright © 2011-2022 走看看