admin管理员组文章数量:1606192
python爬虫的十大框架:
一、Scrapy
Scrapy框架是一套比较成熟的Python爬虫框架,是使用Python开发的快速、高层次的信息爬取框架,可以高效的爬取web页面并提取出结构化数据。
Scrapy应用范围很广,爬虫开发、数据挖掘、数据监测、自动化测试等。
二、PySpider
是国人用python编写的一个功能强大的网络爬虫框架。主要特性如下:
1、强大的WebUI,包含:脚本编辑器、任务监控器,项目管理器和结果查看器;
2、多数据库支持,包括:MySQL, MongoDB, Redis, SQLite, Elasticsearch; PostgreSQL with SQLAlchemy等;
3、使用RabbitMQ, Beanstalk, Redis 和Kombu作为消息队列;
4、支持任务优先级设定、定时任务、失败后重试等;
5、支持分布式爬虫
三、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
四、Portia
可视化爬取网页内容
五、newspaper
提取新闻、文章以及内容分析
六、python-goose
java写的文章提取工具
七、Beautiful Soup
名气大,整合了一些常用爬虫需求。缺点:不能加载JS。
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。这个我是使用的特别频繁的。在获取Html元素,都是bs4完成的。
八、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。
九、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。
十、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。
本文地址:http://itbyc/Python/21523.html
转载请注明出处。
版权声明:本文标题:python中主流爬虫框架_python爬虫的十大框架 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1728492874a1160596.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论