• Python爬蟲入門（1）：綜述
• Python爬蟲入門（2）：爬蟲基礎(chǔ)了解
• Python爬蟲入門（3）：Urllib庫的基本使用
• Python爬蟲入門（4）：Urllib庫的高級(jí)用法
• Python爬蟲入門（5）：URLError異常處理
• Python爬蟲入門（6）：Cookie的使用
• Python爬蟲入門（7）：正則表達(dá)式
• Python爬蟲入門（8）：Beautiful Soup的用法

大家好哈，最近博主在學(xué)習(xí)Python,，學(xué)習(xí)期間也遇到一些問題,，獲得了一些經(jīng)驗(yàn)，在此將自己的學(xué)習(xí)系統(tǒng)地整理下來,，如果大家有興趣學(xué)習(xí)爬蟲的話,，可以將這些文章作為參考，也歡迎大家一共分享學(xué)習(xí)經(jīng)驗(yàn),。

Python版本:2.7,，Python 3請(qǐng)另尋其他博文。

首先爬蟲是什么,？

網(wǎng)絡(luò)爬蟲（又被稱為網(wǎng)頁蜘蛛,，網(wǎng)絡(luò)機(jī)器人，在FOAF社區(qū)中間,，更經(jīng)常的稱為網(wǎng)頁追逐者）,，是一種按照一定的規(guī)則，自動(dòng)的抓取萬維網(wǎng)信息的程序或者腳本,。

根據(jù)我的經(jīng)驗(yàn),，要學(xué)習(xí)Python爬蟲，我們要學(xué)習(xí)的共有以下幾點(diǎn)：

• Python基礎(chǔ)知識(shí)
• Python中urllib和urllib2庫的用法
• Python正則表達(dá)式
• Python爬蟲框架Scrapy
• Python爬蟲更高級(jí)的功能

1.Python基礎(chǔ)學(xué)習(xí)

首先,，我們要用Python寫爬蟲,，肯定要了解Python的基礎(chǔ)吧，萬丈高樓平地起，不能忘啦那地基,，哈哈,，那么我就分享一下自己曾經(jīng)看過的一些Python教程，小伙伴們可以作為參考,。

1) 慕課網(wǎng)Python教程

曾經(jīng)有一些基礎(chǔ)的語法是在慕課網(wǎng)上看的,，上面附有一些練習(xí)，學(xué)習(xí)完之后可以作為練習(xí),，感覺效果還是蠻不錯(cuò)的,，不過稍微遺憾的是內(nèi)容基本上都是最基礎(chǔ)的，入門開始的話,，就這個(gè)吧

學(xué)習(xí)網(wǎng)址：慕課網(wǎng)Python教程

2) 廖雪峰Python教程

后來,，我發(fā)現(xiàn)了廖老師的Python教程，講的那是非常通俗易懂哪,，感覺也是非常不錯(cuò),，大家如果想進(jìn)一步了解Python就看一下這個(gè)吧。

學(xué)習(xí)網(wǎng)址：廖雪峰Python教程

3) 簡(jiǎn)明Python教程

還有一個(gè)我看過的,，簡(jiǎn)明Python教程,，感覺講的也不錯(cuò)

學(xué)習(xí)網(wǎng)址：簡(jiǎn)明Python教程

2.Python urllib和urllib2 庫的用法

urllib和urllib2庫是學(xué)習(xí)Python爬蟲最基本的庫，利用這個(gè)庫我們可以得到網(wǎng)頁的內(nèi)容,，并對(duì)內(nèi)容用正則表達(dá)式提取分析，得到我們想要的結(jié)果,。這個(gè)在學(xué)習(xí)過程中我會(huì)和大家分享的,。

3.Python 正則表達(dá)式

Python正則表達(dá)式是一種用來匹配字符串的強(qiáng)有力的武器。它的設(shè)計(jì)思想是用一種描述性的語言來給字符串定義一個(gè)規(guī)則,，凡是符合規(guī)則的字符串,，我們就認(rèn)為它“匹配”了，否則,，該字符串就是不合法的,。這個(gè)在后面的博文會(huì)分享的。

4.爬蟲框架Scrapy

如果你是一個(gè)Python高手,，基本的爬蟲知識(shí)都已經(jīng)掌握了,，那么就尋覓一下Python框架吧，我選擇的框架是Scrapy框架,。這個(gè)框架有什么強(qiáng)大的功能呢,？下面是它的官方介紹：

HTML, XML源數(shù)據(jù) 選擇及提取 的內(nèi)置支持
提供了一系列在spider之間共享的可復(fù)用的過濾器(即 Item Loaders)，對(duì)智能處理爬取數(shù)據(jù)提供了內(nèi)置支持,。
通過 feed導(dǎo)出 提供了多格式(JSON,、CSV、XML),，多存儲(chǔ)后端(FTP,、S3,、本地文件系統(tǒng))的內(nèi)置支持
提供了media pipeline，可以 自動(dòng)下載 爬取到的數(shù)據(jù)中的圖片(或者其他資源),。
高擴(kuò)展性,。您可以通過使用 signals ，設(shè)計(jì)好的API(中間件, extensions, pipelines)來定制實(shí)現(xiàn)您的功能,。
內(nèi)置的中間件及擴(kuò)展為下列功能提供了支持:
cookies and session 處理
HTTP 壓縮
HTTP 認(rèn)證
HTTP 緩存
user-agent模擬
robots.txt
爬取深度限制
針對(duì)非英語語系中不標(biāo)準(zhǔn)或者錯(cuò)誤的編碼聲明, 提供了自動(dòng)檢測(cè)以及健壯的編碼支持,。
支持根據(jù)模板生成爬蟲。在加速爬蟲創(chuàng)建的同時(shí),，保持在大型項(xiàng)目中的代碼更為一致,。詳細(xì)內(nèi)容請(qǐng)參閱 genspider 命令。
針對(duì)多爬蟲下性能評(píng)估,、失敗檢測(cè),，提供了可擴(kuò)展的 狀態(tài)收集工具 。
提供 交互式shell終端 , 為您測(cè)試XPath表達(dá)式,，編寫和調(diào)試爬蟲提供了極大的方便
提供 System service, 簡(jiǎn)化在生產(chǎn)環(huán)境的部署及運(yùn)行
內(nèi)置 Web service, 使您可以監(jiān)視及控制您的機(jī)器
內(nèi)置 Telnet終端 ,，通過在Scrapy進(jìn)程中鉤入Python終端，使您可以查看并且調(diào)試爬蟲
Logging 為您在爬取過程中捕捉錯(cuò)誤提供了方便
支持 Sitemaps 爬取
具有緩存的DNS解析器