什么是網(wǎng)絡(luò)爬蟲?

網(wǎng)絡(luò)爬蟲是一個自動提取網(wǎng)頁的程序，它為搜索引擎從萬維網(wǎng)上下載網(wǎng)頁，是搜索引擎的重要組成。傳統(tǒng)爬蟲從一個或若干初始網(wǎng)頁的URL開始，獲得初始網(wǎng)頁上的URL，在抓取網(wǎng)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(tǒng)的一定停止條件

爬蟲有什么用?

做為通用搜索引擎網(wǎng)頁收集器。(google,baidu)做垂直搜索引擎.科學(xué)研究：在線人類行為，在線社群演化，人類動力學(xué)研究，計量社會學(xué)，復(fù)雜網(wǎng)絡(luò)，數(shù)據(jù)挖掘，等領(lǐng)域的實證研究都需要大量數(shù)據(jù)，網(wǎng)絡(luò)爬蟲是收集相關(guān)數(shù)據(jù)的利器。偷窺，hacking，發(fā)垃圾郵件……

爬蟲是搜索引擎的第一步也是最容易的一步

用什么語言寫爬蟲?

C，C++。高效率，快速，適合通用搜索引擎做全網(wǎng)爬取。缺點，開發(fā)慢，寫起來又臭又長，例如：天網(wǎng)搜索源代碼。腳本語言：Perl,Python,Java,Ruby。簡單，易學(xué)，良好的文本處理能方便網(wǎng)頁內(nèi)容的細致提取，但效率往往不高，適合對少量網(wǎng)站的聚焦爬取C#?(貌似信息管理的人比較喜歡的語言)

選擇Python做爬蟲的原因：

跨平臺，對Linux和windows都有不錯的支持。

科學(xué)計算，數(shù)值擬合：Numpy，Scipy

可視化：2d：Matplotlib(做圖很漂亮),3d:Mayavi2

復(fù)雜網(wǎng)絡(luò)：Networkx統(tǒng)計：與R語言接口：Rpy

交互式終端

網(wǎng)站的快速開發(fā)

以上內(nèi)容為大家介紹了為什么選擇用python做爬蟲，希望對大家有所幫助，如果想要了解更多Python相關(guān)知識，請關(guān)注IT培訓(xùn)機構(gòu):千鋒教育。http://m.2667701.com/