什麼是網絡爬蟲，爲何選擇Python作網絡爬蟲？

什麼是網絡爬蟲？

網絡爬蟲是一個自動提取網頁的程序，它爲搜索引擎從萬維網上下載網頁，是搜索引擎的重要組成。傳統爬蟲從一個或若干初始網頁的URL開始，得到初始網頁上的URL，在抓取網頁的過程當中，不斷從當前頁面上抽取新的URL放入隊列,直到知足系統的必定中止條件

爬蟲有什麼用？

在這裏仍是要推薦下我本身建的Python開發學習羣:483546416，羣裏都是學Python開發的，若是你正在學習Python ，小編歡迎你加入，你們都是軟件開發黨，不按期分享乾貨（只有Python軟件開發相關的），包括我本身整理的一份2018最新的Python進階資料和高級開發教程，歡迎進階中和進想深刻Python的小夥伴

作爲通用搜索引擎網頁收集器。（google,baidu）

 

作垂直搜索引擎.

科學研究：在線人類行爲，在線社羣演化，人類動力學研究，計量社會學，複雜網絡，數據挖掘，等領域的實證研究都須要大量數據，網絡爬蟲是收集相關數據的利器。

偷窺，hacking，發垃圾郵件……

爬蟲是搜索引擎的第一步也是最容易的一步

• 網頁蒐集

• 創建索引

• 查詢排序

用什麼語言寫爬蟲？

C，C++。高效率，快速，適合通用搜索引擎作全網爬取。缺點，開發慢，寫起來又臭又長，例如：天網搜索源代碼。

腳本語言：Perl, Python, Java, Ruby。簡單，易學，良好的文本處理能方便網頁內容的細緻提取，但效率每每不高，適合對少許網站的聚焦爬取

C#？（貌似信息管理的人比較喜歡的語言）

爲何最終選擇Python？

跨平臺，對Linux和windows都有不錯的支持。

科學計算，數值擬合：Numpy，Scipy

可視化：2d：Matplotlib(作圖很漂亮), 3d: Mayavi2

複雜網絡：Networkx

統計：與R語言接口：Rpy

交互式終端

網站的快速開發？

一個簡單的Python爬蟲