8個最高效的Python爬蟲框架，你用過幾個？

小編收集了一些較爲高效的Python爬蟲框架。分享給你們。

1.Scrapy

Scrapy是一個爲了爬取網站數據，提取結構性數據而編寫的應用框架。 能夠應用在包括數據挖掘，信息處理或存儲歷史數據等一系列的程序中。。用這個框架能夠輕鬆爬下來如亞馬遜商品信息之類的數據。

項目地址： https://scrapy.org/

2.PySpider

pyspider 是一個用python實現的功能強大的網絡爬蟲系統，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，後端使用經常使用的數據庫進行爬取結果的存儲，還能定時設置任務與任務優先級等。

項目地址： https://github.com/binux/pysp...

3.Crawley

Crawley能夠高速爬取對應網站的內容，支持關係和非關係數據庫，數據能夠導出爲JSON、XML等。

項目地址： http://project.crawley-cloud....

4.Portia

Portia是一個開源可視化爬蟲工具，可以讓您在不須要任何編程知識的狀況下爬取網站！簡單地註釋您感興趣的頁面，Portia將建立一個蜘蛛來從相似的頁面提取數據。

項目地址： https://github.com/scrapinghu...

5.Newspaper

Newspaper能夠用來提取新聞、文章和內容分析。使用多線程，支持10多種語言等。

項目地址： https://github.com/codelucas/...

6.Beautiful Soup

Beautiful Soup 是一個能夠從HTML或XML文件中提取數據的Python庫.它可以經過你喜歡的轉換器實現慣用的文檔導航,查找,修改文檔的方式.Beautiful Soup會幫你節省數小時甚至數天的工做時間。

項目地址： https://www.crummy.com/softwa...

7.Grab

Grab是一個用於構建Web刮板的Python框架。藉助Grab，您能夠構建各類複雜的網頁抓取工具，從簡單的5行腳本處處理數百萬個網頁的複雜異步網站抓取工具。Grab提供一個API用於執行網絡請求和處理接收到的內容，例如與HTML文檔的DOM樹進行交互。

項目地址： http://docs.grablib.org/en/la...

8.Cola

Cola是一個分佈式的爬蟲框架，對於用戶來講，只需編寫幾個特定的函數，而無需關注分佈式運行的細節。任務會自動分配到多臺機器上，整個過程對用戶是透明的。

項目地址： https://github.com/chineking/...

本文做者：雁橫
閱讀原文
本文爲雲棲社區博主原創內容，轉載請聯繫原做者。