Python爬虫工作原理是什么？老男孩Python培训班

　　Python爬虫架构组成:

　　1. URL管理器：管理待爬取的url集合和已爬取的url集合，传送待爬取的url给网页下载器;

　　2. 网页下载器：爬取url对应的网页，存储成字符串，传送给网页解析器;

　　3. 网页解析器：解析出有价值的数据，存储下来，同时补充url到URL管理器。

　　Python爬虫工作原理:

　　Python爬虫通过URL管理器，判断是否有待爬URL，如果有待爬URL，通过调度器进行传递给下载器，下载URL内容，并通过调度器传送给解析器，解析URL内容，并将价值数据和新URL列表通过调度器传递给应用程序，并输出价值信息的过程。

　　Python爬虫常用框架有：

　　grab：网络爬虫框架;

　　scrapy：网络爬虫框架，不支持Python3;

　　pyspider：一个强大的爬虫系统;

　　cola：一个分布式爬虫框架;

　　portia：基于Scrapy的可视化爬虫;

　　restkit：Python的HTTP资源工具包。它可以让你轻松地访问HTTP资源，并围绕它建立的对象。

　　demiurge：基于PyQuery的爬虫微框架。

　　VX:18710030740 老男孩IT教育：北京/上海/深圳 Python linux GO 网络安全 软件测试周末、脱产、网络课程