爬蟲為什麼要用python

什麼是網路爬蟲？

網路爬蟲是一個自動提取網頁的程序，它為搜尋引擎從萬維網上下載網頁，是搜尋引擎的重要組成。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

爬蟲有什麼用？

做為通用搜尋引擎網頁收集器。 （google,baidu）做垂直搜尋引擎.科學研究：線上人類行為，線上社群演化，人類動力學研究，計量社會學，複雜網絡，資料探勘，等領域的實證研究都需要大量數據，網路爬蟲是收集相關數據的利器。偷窺，hacking，發垃圾郵件…

爬蟲是搜尋引擎的第一步也是最容易的一步

網頁蒐集

建立索引

查詢排序

用什麼語言寫爬蟲？

C，C 。高效率，快速，適合通用搜尋引擎做全網爬取。缺點，開發慢，寫起來又臭又長，例如：天網搜尋原始碼。

腳本語言：Perl, Python, Java, Ruby。簡單，易學，良好的文字處理能方便網頁內容的細緻提取，但效率往往不高，適合對少量網站的聚焦爬取

C#？ （貌似資訊管理的人比較喜歡的語言）

為什麼最後選擇Python？

跨平台，對Linux和windows都有不錯的支援。

科學計算，數值擬合：Numpy，Scipy

視覺化：2d：Matplotlib(做圖很漂亮), 3d: Mayavi2  

複雜網路：Networkx

統計：與R語言介面：Rpy

互動式終端機

網站的快速開發

一個簡單的Python爬蟲

 1 import urllib
 2 import urllib.request
 3 
 4 def loadPage(url,filename):
 5     """
 6     作用：根据url发送请求，获取html数据;
 7     :param url:
 8     :return:
 9     """
10     request=urllib.request.Request(url)
11     html1= urllib.request.urlopen(request).read()
12     return  html1.decode('utf-8')
13 
14 def writePage(html,filename):
15     """
16     作用将html写入本地
17 
18     :param html: 服务器相应的文件内容
19     :return:
20     """
21     with open(filename,'w') as f:
22         f.write(html)
23     print('-'*30)
24 def tiebaSpider(url,beginPage,endPage):
25     """
26     作用贴吧爬虫调度器，负责处理每一个页面url;
27     :param url:
28     :param beginPage:
29     :param endPage:
30     :return:
31     """
32     for page in range(beginPage,endPage+1):
33         pn=(page - 1)*50
34         fullurl=url+"&pn="+str(pn)
35         print(fullurl)
36         filename='第'+str(page)+'页.html'
37         html= loadPage(url,filename)
38 
39         writePage(html,filename)
40 
41 
42 
43 if __name__=="__main__":
44     kw=input('请输入你要需要爬取的贴吧名:')
45     beginPage=int(input('请输入起始页'))
46     endPage=int(input('请输入结束页'))
47     url='https://tieba.baidu.com/f?'
48     kw1={'kw':kw}
49     key = urllib.parse.urlencode(kw1)
50     fullurl=url+key
51     tiebaSpider(fullurl,beginPage,endPage)

以上是爬蟲為什麼要用python的詳細內容。更多資訊請關注PHP中文網其他相關文章！