最近在学习一些python爬虫,我们要爬取一个站点,首先要去查看网站的robots协议,如果明确禁止抓取了要遵守,否则可能会带来麻烦。第二步我们要知道网站是用什么技术做的,如何通过python的方法来识别呢?可以用builtwith库来实现(注意是builtwith不是buildwith),当然前提是安装了python
安装方法,win+r,cmd,输入如下代码
pip install builtwith
如果已经安装好了,会出现下面的提示
进入python
import builtwith builtwith.parse('https://abc.com')
显示如下
但builtwith毕竟是机器判断,有时不一定正确,只可作为参考
import builtwith builtwith.parse('https://www.cnblogs.com/ytkah')
运行结果如下,但是不一定准确
ytkah最近写了比较多的woocommerce文章,所以它判断是wordpress创建的,其实这个是博客园的博客系统,是.net制作的,主页的底部就可以看到
感兴趣的朋友可以安装测试一下