關於這個問題，老猿就先從自己的經歷講起吧。很多年前，大約11年前，老猿我接手了一個搜尋引擎的網路爬蟲，那是一個用C++寫的通用搜尋引擎的爬蟲。C++的語言，多執行緒的實現，爬蟲的執行效率非常高。但是，找bug很困難，實現新的功能很繁瑣。
記得有次發現有些網頁抓不下來，開始好久都找不著頭腦，廢了九牛二虎之力，終於發現是http請求處理的問題。深入程式碼才看到，http協議的這部分程式碼都是寫這個人自己實現的，只是實現了最基本的協議，也就是，建立socket連線，傳送請求，然後通過socket接收資料，解析響應頭（response headers）。然而這個響應頭連http重定向都沒有處理，凡是重定向的響應就都失敗了，自然那些網頁就抓不下來了。
為了抓到那些響應，我們就不得不繼續完善http協議的解析功能，貢獻了很多程式碼～～
為什麼要自己實現基本的http協議呢？難道就沒有好的第三方庫可以用嗎？現在想來，那個爬蟲也就是看上去能用，聽上去高大上，實際上問題很多。
那個網路爬蟲程式維護了一兩年最終放棄了，後來的爬蟲技術都開始用Python來實現了。
現在如果讓我實現一個網路爬蟲，二話不說，肯定是要用Python。究其原因，可能有已經幾點經驗和教訓跟小猿們分享一下。
1. 變幻莫測的網路爬蟲
寫過爬蟲的猿猿們可能都有這麼一個感覺，就是昨天跑的好好的爬蟲，今天可能就出問題，不work了。這裡面的原因可能就是，網頁的改版，網站的封鎖等等。遇到這種情況，我們就必須在最快的時間內除錯找出問題所在，並以最快的速度修復，使其儘快上線跑起來。
2. 隨機應變的Python
鑑於上述爬蟲複雜的變化，寫網路爬蟲就必須依賴一個快速開發、靈活的語言，同時又有完整豐富的庫支撐。而同時具備這些優點的語言，無疑就是Python了。所以，Python天然就是為爬蟲而生，爬蟲天然就是擇Python而用。
3. 簡潔豐富的Python
看到Python和網路爬蟲這種天然相連的關係，小猿們不禁要問，Python適合網路爬蟲的天然屬性都是哪些呢？不急，聽老夫慢慢道來。
3.1 簡潔的語法
Python的語法非常簡單，提倡簡潔而不簡單，Python開發者的哲學就是“用一種方法，最好是隻有一種方法來做一件事”，這種哲學讓你寫的程式碼沒有太多個人風格，易於讓他人看懂你的程式碼，也讓你輕易看懂別人的程式碼。Python的簡潔，也讓開發者可以僅用幾行程式碼就實現一個功能，而同樣的功能用Java可能要幾十行上百行，要用C++可能是幾百行。
小猿們可以試試在Python直譯器裡面執行import this，來品味一下Python的哲學：
>>> import this
> The Zen of Python
> by Tim Peters
> Beautiful is better than ugly.
> Explicit is better than implicit.
> Simple is better than complex.
> Complex is better than complicated.
> Flat is better than nested.
> Sparse is better than dense.
> Readability counts.
> Special cases aren't special enough to break the rules.
> Although practicality beats purity.
> Errors should never pass silently.
> Unless explicitly silenced.
> In the face of ambiguity, refuse the temptation to guess.
> There should be one-- and preferably only one --obvious way to do it.
> Although that way may not be obvious at first unless you're Dutch.
> Now is better than never.
> Although never is often better than *right* now.
> If the implementation is hard to explain, it's a bad idea.
> If the implementation is easy to explain, it may be a good idea.
> Namespaces are one honking great idea -- let's do more of those!
Python簡潔的語法，讓你實現、修改爬蟲都變得輕鬆起來。也就是說，寫起來賊快！人生苦短，何不Python ?
3.2 豐富的Python模組
小猿們應該已經聽說過Python模組（庫）的豐富性，或許只是還沒有時間和機會接觸過那麼多而已。這裡，身經百戰、見多識廣的老猿給你撂下一句話：“幾乎所有你想要的功能Python都有庫實現了”。這句話，似乎很狂妄，但滿足你90%的需求沒問題。所以，小猿們要記住這句話，在以後的開發過程中，需要什麼基本功能了，就不妨先去搜搜、問問，看看是不是已經有人實現了這個功能，並且上傳到pypi上了，而你要做到可能僅僅是pip install。同時，也驗證一下這句話是不是那麼回事兒。
比方說，
我要下載網頁就用，
Python標準模組urllib.request，還有好的沒話說的第三方開源模組requests
非同步http請求的有aiohttp
我要處理網址url就用：
Python自帶的模組urllib.parse
我要解析html就用：
基於C語言庫的高效率模組lxml, 好用的beautifulsoap。
我要管理網址，記錄下載成功的、失敗的、未下載的各種url的狀態，就用：
Python封裝的key-value資料庫leveldb
我要用成熟的爬蟲框架，就用：
歷史悠久的scrapy，後起之秀pyspider。
我要支援javascript和ajax，就用：
瀏覽器模擬框架Selenium，加上不需要桌面環境跑著Linux伺服器上的大名鼎鼎的Google Headless Chrome。
還有個Phantomjs，可惜已經停止開發了。
以上，只是老猿用過的寫網路爬蟲需要的一些基本模組，具體實踐中需要的基本功能都可以先搜搜看，沒準兒就已經有模組支援想要的功能了。還是那句話，“幾乎所有你想要的功能Python都有庫實現了”。你的工作，就是像搭積木一樣，把他們有機結合在一起實現你的業務邏輯。
對的，像搭積木一樣實現你的網路爬蟲，為什麼不選擇Python呢？
下一篇我們講：
寫網路爬蟲的三種難度
我的公眾號：猿人學 Python 上會分享更多心得體會，敬請關注。
***版權申明:若沒有特殊說明，文章皆是猿人學 yuanrenxue.com 原創，沒有猿人學授權，請勿以任何形式轉載。***