zoukankan      html  css  js  c++  java
  • 8个Python爬虫框架

    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

    资源搜索网站大全 https://www.renrenfan.com.cn

    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

  • 相关阅读:
    s s r 多用户 简单配置
    iptables vsftp timeout
    透明控件的通用解决方案
    一个带有可选自定义框架的透明对话框类
    把你的框架窗口一个影子
    WinForms形成皮肤
    WPF加载启动画面
    酷,半透明和形状对话框与标准的控制Windows 2000及以上
    在MFC应用程序中创建web风格的GUI
    画在WinForms控制
  • 原文地址:https://www.cnblogs.com/xiaonian8/p/14047356.html
Copyright © 2011-2022 走看看