以下文章來源于DataCastle數據城堡?，作者DC君

?數據是決策的原材料，高質量的數據價值不菲，如何挖掘原材料成為互聯網時代的先驅，掌握信息的源頭，就能比別人更快一步。

?大數據時代，互聯網成為大量信息的載體，機械的復制粘貼不再實用，不僅耗時費力還極易出錯，這時爬蟲的出現解放了大家的雙手，以其高速爬行、定向抓取資源的能力獲得了大家的青睞。

?爬蟲變得越來越流行，不僅因為它能夠快速爬取海量的數據，更因為有python這樣簡單易用的語言使得爬蟲能夠快速上手。

?對于小白來說，爬蟲可能是一件非常復雜、技術門檻很高的事情，但掌握正確的方法，在短時間內做到能夠爬取主流網站的數據，其實非常容易實現，但建議你從一開始就要有一個具體的目標。

?在目標的驅動下，你的學習才會更加精準和高效。那些所有你認為必須的前置知識，都是可以在完成目標的過程中學到的。

?基于python爬蟲，我們整理了一個完整的學習框架：

篩選和甄別學習哪些知識，在哪里去獲取資源是許多初學者共同面臨的問題。
接下來，我們將學習框架進行拆解，分別對每個部分進行詳細介紹和推薦一些相關資源，告訴你學什么、怎么學、在哪里學。

?爬蟲簡介

爬蟲是一種按照一定的規(guī)則，自動地抓取萬維網信息的程序或者腳本。

這個定義看起來很生硬，我們換一種更好理解的解釋：

我們作為用戶獲取網絡數據的方式是瀏覽器提交請求->下載網頁代碼->解析/渲染成頁面；而爬蟲的方式是模擬瀏覽器發(fā)送請求->下載網頁代碼->只提取有用的數據->存放于數據庫或文件中。爬蟲與我們的區(qū)別是，爬蟲程序只提取網頁代碼中對我們有用的數據，并且爬蟲抓取速度快，量級大。

隨著數據的規(guī)?；?，爬蟲獲取數據的高效性能越來越突出，能夠做的事情越來越多：·市場分析：電商分析、商圈分析、一二級市場分析等·市場監(jiān)控：電商、新聞、房源監(jiān)控等·商機發(fā)現：招投標情報發(fā)現、客戶資料發(fā)掘、企業(yè)客戶發(fā)現等。

進行爬蟲學習，首先要懂得是網頁，那些我們肉眼可見的光鮮亮麗的網頁是由HTML、css、javascript等網頁源碼所支撐起來的。這些源碼被瀏覽器所識別轉換成我們看到的網頁，這些源碼里面必定存在著很多規(guī)律,?我們的爬蟲就能按照這樣的規(guī)律來爬取需要的信息。

無規(guī)矩不成方圓，Robots協(xié)議就是爬蟲中的規(guī)矩，它告訴爬蟲和搜索引擎哪些頁面可以抓取，哪些不可以抓取。通常是一個叫作robots.txt的文本文件，放在網站的根目錄下。

??輕量級爬蟲

??“獲取數據——解析數據——存儲數據”是爬蟲的三部曲，大部分爬蟲都是按這樣的流程來進行，這其實也是模擬了我們使用瀏覽器獲取網頁信息的過程。

?1、獲取數據
爬蟲第一步操作就是模擬瀏覽器向服務器發(fā)送請求，基于python，你不需要了解從數據的實現，HTTP、TCP、IP的網絡傳輸結構，一直到服務器響應和應達的原理，因為python提供了功能齊全的類庫來幫我們完成這些請求。?

Python自帶的標準庫urllib2使用的較多，它是python內置的HTTP請求庫，如果你只進行基本的爬蟲網頁抓取，那么urllib2足夠用。

?Requests的slogen是“Requests is the only Non-GMO HTTP library for Python, safe for humanconsumption”，相對urllib2，requests使用起來確實簡潔很多，并且自帶json解析器。?

如果你需要爬取異步加載的動態(tài)網站，可以學習瀏覽器抓包分析真實請求或者學習Selenium來實現自動化。?對于爬蟲來說，在能夠爬取到數據地前提下當然是越快越好，顯然傳統(tǒng)地同步代碼不能滿足我們對速度地需求。
（ps：據國外數據統(tǒng)計：正常情況下我們請求同一個頁面 100次的話，最少也得花費 30秒，但使用異步請求同一個頁面 100次的話，只需要要 3秒左右。）

aiohttp是你值得擁有的一個庫，aiohttp的異步操作借助于async/await關鍵字的寫法變得更加簡潔，架構更加清晰。使用異步請求庫進行數據抓取時，會大大提高效率。

?你可以根據自己的需求選擇合適的請求庫，但建議先從python自帶的urllib開始，當然，你可以在學習時嘗試所有的方式，以便更了解這些庫的使用。

?推薦請求庫資源:

urllib2文檔???https://dwz.cn/8hEGdsqD

requests文檔???http://t.cn/8Fq1aX

rselenium文檔??https://dwz.cn/DlL9j9hf

aiohttp文檔???https://dwz.cn/hvndbuB4

2、解析數據
爬蟲爬取的是爬取頁面指定的部分數據值，而不是整個頁面的數據，這時往往需要先進行數據的解析再進行存儲。
從web上采集回來的數據的數據類型有很多種,主要有HTML、 javascript、JSON、XML等格式。

?解析庫的使用等價于在HTML中查找需要的信息時時使用正則，能夠更加快捷地定位到具體的元素獲取相應的信息。

?Css選擇器是一種快速定位元素的方法。

?Pyqurrey使用lxml解析器進行快速在xml和html文檔上操作，它提供了和jQuery類似的語法來解析HTML文檔，支持CSS選擇器，使用非常方便。
Beautiful Soup是借助網頁的結構和屬性等特性來解析網頁的工具，能自動轉換編碼。支持Python標準庫中的HTML解析器,還支持一些第三方的解析器。
Xpath最初是用來搜尋XML文檔的，但是它同樣適用于?HTML?文檔的搜索。它提供了超過 100 個內建的函數。這些函數用于字符串值、數值、日期和時間比較、節(jié)點和 QName 處理、序列處理、邏輯值等等，并且XQuery和XPointer都構建于XPath基礎上。
Re正則表達式通常被用來檢索、替換那些符合某個模式(規(guī)則)的文本。

?個人認為前端基礎比較扎實的，用pyquery是最方便的，beautifulsoup也不錯，re速度比較快，但是寫正則比較麻煩。

當然了，既然用python，肯定還是自己用著方便最好。

?推薦解析器資源：

pyquery??https://dwz.cn/1EwUKsEG

Beautifulsoup??http://t.im/ddfv

xpath教程???http://t.im/ddg2

re文檔???http://t.im/ddg6

3、數據存儲?

當爬回來的數據量較小時，你可以使用文檔的形式來儲存，支持TXT、json、csv等格式。

?但當數據量變大，文檔的儲存方式就行不通了，所以掌握一種數據庫是必須的。

?Mysql?作為關系型數據庫的代表，擁有較為成熟的體系，成熟度很高，可以很好地去存儲一些數據，但在在海量數據處理的時候效率會顯著變慢，已然滿足不了某些大數據的處理要求。

?MongoDB已經流行了很長一段時間，相對于MySQL ，MongoDB可以方便你去存儲一些非結構化的數據，比如各種評論的文本，圖片的鏈接等等。

你也可以利用PyMongo，更方便地在Python中操作MongoDB。

因為這里要用到的數據庫知識其實非常簡單，主要是數據如何入庫、如何進行提取，在需要的時候再學習就行。

?Redis是一個不折不扣的內存數據庫，Redis 支持的數據結構豐富，包括hash、set、list等。數據全部存在內存，訪問速度快，可以存儲大量的數據，一般應用于分布式爬蟲的數據存儲當中。
推薦數據庫資源：

mysql文檔??https://dev.mysql.com/doc/

mongoDB文檔???https://docs.mongodb.com/? ???
redis文檔???https://redis.io/documentation/

??工程化爬蟲

掌握前面的技術你就可以實現輕量級的爬蟲，一般量級的數據和代碼基本沒有問題。

但是在面對復雜情況的時候表現不盡人意，此時，強大的爬蟲框架就非常有用了。

?首先是出身名門的Apache頂級項目Nutch，它提供了我們運行自己的搜索引擎所需的全部工具。

支持分布式抓取，并有Hadoop支持，可以進行多機分布抓取，存儲和索引。

另外很吸引人的一點在于，它提供了一種插件框架，使得其對各種網頁內容的解析、各種數據的采集、查詢、集群、過濾等功能能夠方便的進行擴展。

?其次是GitHub上眾人star的scrapy，scrapy是一個功能非常強大的爬蟲框架。

它不僅能便捷地構建request，還有強大的 selector 能夠方便地解析 response，然而它最讓人驚喜的還是它超高的性能，讓你可以將爬蟲工程化、模塊化。

學會scrapy，你可以自己去搭建一些爬蟲框架，你就基本具備爬蟲工程師的思維了。

?最后Pyspider作為人氣飆升的國內大神開發(fā)的框架，滿足了絕大多數Python爬蟲的需求 —— 定向抓取，結構化化解析。

它能在瀏覽器界面上進行腳本的編寫，功能的調度和爬取結果的實時查看，后端使用常用的數據庫進行爬取結果的存儲等。

其功能強大到更像一個產品而不是一個框架。

?這是三個最有代表性的爬蟲框架，它們都有遠超別人的有點，比如Nutch天生的搜索引擎解決方案、Pyspider產品級的WebUI、Scrapy最靈活的定制化爬取。

建議先從最接近爬蟲本質的框架scary學起，再去接觸人性化的Pyspider，為搜索引擎而生的Nutch。

?推薦爬蟲框架資源：

Nutch文檔?http://nutch.apache.org/

scary文檔??https://scrapy.org/

pyspider文檔?http://t.im/ddgj

??反爬及應對措施

爬蟲像一只蟲子，密密麻麻地爬行到每一個角落獲取數據，蟲子或許無害，但總是不受歡迎的。?

因為爬蟲技術造成的大量IP訪問網站侵占帶寬資源、以及用戶隱私和知識產權等危害，很多互聯網企業(yè)都會花大力氣進行“反爬蟲”。

?你的爬蟲會遭遇比如被網站封IP、比如各種奇怪的驗證碼、userAgent訪問限制、各種動態(tài)加載等等。
常見的反爬蟲措施有：
·通過Headers反爬蟲

·基于用戶行為反爬蟲

·基于動態(tài)頁面的反爬蟲

·字體反爬.....

遇到這些反爬蟲的手段，當然還需要一些高級的技巧來應對，控制訪問頻率盡量保證一次加載頁面加載且數據請求最小化，每個頁面訪問增加時間間隔；

禁止cookie可以防止可能使用cookies識別爬蟲的網站來ban掉我們；

根據瀏覽器正常訪問的請求頭對爬蟲的請求頭進行修改，盡可能和瀏覽器保持一致等等。

往往網站在高效開發(fā)和反爬蟲之間會偏向前者，這也為爬蟲提供了空間，掌握這些應對反爬蟲的技巧，絕大部分的網站已經難不到你了。

??分布式爬蟲?

爬取基本數據已經沒有問題，還能使用框架來面對一寫較為復雜的數據，此時，就算遇到反爬，你也掌握了一些反反爬技巧。

?你的瓶頸會集中到爬取海量數據的效率，這個時候相信你會很自然地接觸到一個很厲害的名字：分布式爬蟲。?

分布式這個東西，聽起來很恐怖，但其實就是利用多線程的原理將多臺主機組合起來，共同完成一個爬取任務，需要你掌握?Scrapy +Redis+MQ+Celery?這些工具。

?Scrapy 前面我們說過了，用于做基本的頁面爬取， Redis 則用來存儲要爬取的網頁隊列，也就是任務隊列。

scarpy-redis就是用來在scrapy中實現分布式的組件，通過它可以快速實現簡單分布式爬蟲程序。

由于在高并發(fā)環(huán)境下，由于來不及同步處理，請求往往會發(fā)生堵塞，通過使用消息隊列MQ，我們可以異步處理請求，從而緩解系統(tǒng)的壓力。

RabbitMQ本身支持很多的協(xié)議：AMQP，XMPP, SMTP,STOMP，使的它變的非常重量級，更適合于企業(yè)級的開發(fā)。

Scrapy-rabbitmq-link是可以讓你從RabbitMQ 消息隊列中取到URL并且分發(fā)給Scrapy spiders的組件。

?Celery?是一個簡單、靈活且可靠的，處理大量消息的分布式系統(tǒng)。支持 RabbitMQ、Redis 甚至其他數據庫系統(tǒng)作為其消息代理中間件， 在處理異步任務、任務調度、處理定時任務、分布式調度等場景表現良好。

所以分布式爬蟲只是聽起來有些可怕，也不過如此。當你能夠寫分布式的爬蟲的時候，那么你可以去嘗試打造一些基本的爬蟲架構了，實現一些更加自動化的數據獲取。

?推薦分布式資源：

scrapy-redis文檔?http://t.im/ddgk

scrapy-rabbitmq文檔??http://t.im/ddgn

celery文檔??http://t.im/ddgr

你看，通過這條完整的學習路徑走下來，爬蟲對你來說根本不是問題。

因為爬蟲這種技術，既不需要你系統(tǒng)地精通一門語言，也不需要多么高深的數據庫技術。
解鎖每一個部分的知識點并且有針對性的去學習，走完這一條順暢的學習之路，你就能掌握python爬蟲。

?

一鍵三連，后臺可私1分享python全套資料哦?。?