python3.x - Python网络爬虫学习建议，初学者需要哪些准备？

Question

此前一直是做PHP开发的，现在想学习下爬虫开发，很疑惑呀不知道从何做起，请大家指教下学习线路，我是属于想要深入研究型的。网上看到很多示例感觉就像做采集，Url扩散爬去和分析部分的资料很少...求推荐学习线路、数据、视频等各种，能介绍下避坑攻略就更好啦。

Answer 1

做过web开发的我觉得做爬虫很简单，明确这个是http协议就ok了

随便说几点吧

• 爬取速度(控制与速度权衡)

  • 多线程

  • 多进程

    • 消息队列

• 网页解析

  • 接口发现->善用F12.Network

  • xpath、re等解析库

  • 结构化数据

• 持久化->数据库连接池->使数据库连接在一定数量

• 反爬虫

  • 禁IP->代理池->如何更合理的使用代理

  • 验证码->OCR

Answer 2

可以先用 PHP 实现爬虫，理解原理。curl 也能做啊，语言只是工具

Answer 3

看一本叫做《python网络爬虫》的书。