為什么python適合寫爬蟲？

什么是網絡爬蟲？

網絡爬蟲是一個自動提取網頁的程序，它為搜索引擎從萬維網上下載網頁，是搜索引擎的重要組成。傳統爬蟲從一個或若干初始網頁的URL開始，獲得初始網頁上的URL，在抓取網頁的過程中，不斷從當前頁面上抽取新的URL放入隊列,直到滿足系統的一定停止條件

爬蟲有什么用？

做為通用搜索引擎網頁收集器。（google,baidu）做垂直搜索引擎.科學研究：在線人類行為，在線社群演化，人類動力學研究，計量社會學，復雜網絡，數據挖掘，等領域的實證研究都需要大量數據，網絡爬蟲是收集相關數據的利器。偷窺，hacking，發垃圾郵件……

爬蟲是搜索引擎的第一步也是最容易的一步

網頁搜集

? 建立索引

? 查詢排序

用什么語言寫爬蟲？

C，C++。高效率，快速，適合通用搜索引擎做全網爬取。缺點，開發慢，寫起來又臭又長，例如：天網搜索源代碼。腳本語言：Perl, Python, Java, Ruby。簡單，易學，良好的文本處理能方便網頁內容的細致提取，但效率往往不高，適合對少量網站的聚焦爬取C#？（貌似信息管理的人比較喜歡的語言）

什么最終選擇Python？

跨平臺，對Linux和windows都有不錯的支持。科學計算，數值擬合：Numpy，Scipy可視化：2d：Matplotlib(做圖很漂亮), 3d: Mayavi2 復雜網絡：Networkx統計：與R語言接口：Rpy交互式終端

一個簡單的Python爬蟲

import urllib

import

urllib.request

'''

小編準備的python爬蟲學習資料，加群：821460695 即可免費獲取！

'''

def loadPage(url,filename):

"""

作用：根據url發送請求，獲取html數據;

:param url:

:return:

"""

request=urllib.request.Request(url)

html1= urllib.request.urlopen(request).read()

return html1.decode('utf-8')

def writePage(html,filename):

"""

作用將html寫入本地

:param html: 服務器相應的文件內容

:return:

"""

with open(filename,'w') as f:

f.write(html)

print('-'*30)

def tiebaSpider(url,beginPage,endPage):

"""

作用貼吧爬蟲調度器，負責處理每一個頁面url;

:param url:

:param beginPage:

:param endPage:

:return:

"""

for page in range(beginPage,endPage+1):

pn=(page - 1)*50

fullurl=url+"&pn="+str(pn)

print(fullurl)

filename='第'+str(page)+'頁.html'

html= loadPage(url,filename)

writePage(html,filename)

if __name__=="__main__":

kw=input('請輸入你要需要爬取的貼吧名:')

beginPage=int(input('請輸入起始頁'))

endPage=int(input('請輸入結束頁'))

url='https://tieba.baidu.com/f?'

kw1={'kw':kw}

key = urllib.parse.urlencode(kw1)

fullurl=url+key

tiebaSpider(fullurl,beginPage,endPage)