爬虫选择什么工具呢?
1.爬虫是网络蜘蛛机器人,自动爬取数据,按我们制定的规则获取数据
2.为什么要用爬虫呢,私人定制搜索引擎,获得更多的数据,不再是互联网时代而是大数据时代
3.爬虫的原理:控制节点(url分配器)、爬虫节点(按照算法爬取数据存储到数据库)、资源库(存储爬取的数据库供应搜索)
4.爬虫的设计思路:爬取的网络地址、http协议获取对应的html页面
4.爬虫语言选择:
PHP:虽然冠名“世界上最好的语言”,但是作为爬虫的缺点:没有多线程的概念,对异步的支持不多,并发不足,爬虫要求效率高
C/c++:运行效率和性能最高的语言,但是学习成本非常高,代码成型较大
Java:生态圈非常广大,python最大的竞争者,本身非常笨重体量积,爬虫需要经常修改代码
Python:语言优美、代码简介、第三方功能模块多scrapy、调用替他语言接口、成熟较高的分布式策略
网友评论