python爬蟲中如何選scrapy框架

小編給大家分享一下python爬蟲中如何選scrapy框架，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

建議還是先使用scrapy快速上手寫幾個爬蟲出來，再學(xué)習(xí)使用requests+bs4自己寫爬蟲。

原因如下：

1、學(xué)習(xí)一個新東西，首先是先用起來，然后在使用中發(fā)現(xiàn)問題，再究其原理，才能深入學(xué)習(xí)；

2、scrapy不管是否支持python3，如果想學(xué)習(xí)爬蟲原理，都無礙的，因為學(xué)習(xí)思想最重要；

3、scrapy封裝了爬蟲的一些核心組件，而且上手簡單，如果想以后自己寫爬蟲框架，它的實現(xiàn)思路還是很值得借鑒的；

等用scrapy寫出幾個爬蟲抓幾個網(wǎng)站后，這基本算是入門了。

要抓的網(wǎng)站非常多時，就會遇到幾個問題：

1、一些網(wǎng)站開始防抓，IP被封？

隨機User-Agent，隨機代理，開始用到scrapy的插件。

2、網(wǎng)頁太多，抓的太慢，scrapy默認是不支持分布式的，怎么實現(xiàn)分布式？

一些分布式的插件就會用起來，例如scrapy-redis。

3、網(wǎng)頁越來越多，會不會抓重復(fù)？

哦，原來不會重復(fù)抓?？匆豢?/span>scrapy源碼，基于url指紋過濾重復(fù)的。啊，過濾規(guī)則自己可以替換，不錯！

4、網(wǎng)站如何深度抓取，如何廣度抓取？

看一看scrapy源碼，哦，原來通過實現(xiàn)了棧和隊列改變?nèi)蝿?wù)的入隊順序，結(jié)合配置來控制。

如果你有足夠的興趣和耐心，有沒有發(fā)現(xiàn)，從開始使用它，慢慢地你開始關(guān)注scrapy的是如何實現(xiàn)了，繼續(xù)深入源碼，你就會發(fā)現(xiàn)它的實現(xiàn)思想很巧妙，代碼結(jié)構(gòu)低耦合，插件威力巨大！

以上是python爬蟲中如何選scrapy框架的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！