常见Python爬虫框架你会几个？

前言

文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。
作者：三名狂客 

正文

注意：如果你Python技术学的不够好，可以点击下方链接获取最新Python教程：

http://note.youdao.com/noteshare?id=a3a533247e4c084a72c9ae88c271e3d1

一、python爬虫框架

   一些爬虫项目的半成品

二、常见python爬虫框架

  (1) Scrapy:很强大的爬虫框架，可以满足简单的页面爬取（比如可以明确获知url pattern的情况）。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。但是对于稍微复杂一点的页面，如weibo的页面信息，这个框架就满足不了需求了。


  (2) Crawley: 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


  (3) Portia:可视化爬取网页内容


  (4) newspaper:提取新闻、文章以及内容分析


  (5) python-goose:java写的文章提取工具


  (6) Beautiful Soup:名气大，整合了一些常用爬虫需求。缺点：不能加载JS。


  (7) mechanize:优点：可以加载JS。缺点：文档严重缺失。不过通过官方的example以及人肉尝试的方法，还是勉强能用的。


  (8) selenium:这是一个调用浏览器的driver，通过这个库你可以直接调用浏览器完成某些操作，比如输入验证码。


  (9) cola:一个分布式爬虫框架。项目整体设计有点糟，模块间耦合度较高。

 以上9个你会用几个呢？