網際網路的資料爆炸式的增長，而利用 Python 爬蟲我們可以獲取大量有價值的資料：

1.爬取資料，進行市場調查和商業分析

爬取知乎優質答案，篩選各話題下最優質的內容； 抓取房產網站買賣資訊，分析房價變化趨勢、做不同區域的房價分析；爬取招聘網站職位資訊，分析各行業人才需求情況及薪資水平。

2.作為機器學習、資料探勘的原始資料

比如你要做一個推薦系統，那麼你可以去爬取更多維度的資料，做出更好的模型。

3.爬取優質的資源：圖片、文字、視訊

爬取商品（店鋪）評論以及各種圖片網站，獲得圖片資源以及評論文字資料。

掌握正確的方法，在短時間內做到能夠爬取主流網站的資料，其實非常容易實現。

但建議你從一開始就要有一個具體的目標，在目標的驅動下，你的學習才會更加精準和高效。這裡給你一條平滑的、零基礎快速入門的學習路徑：

1.瞭解爬蟲的基本原理及過程

2.Requests+Xpath 實現通用爬蟲套路

3.瞭解非結構化資料的儲存

4.應對特殊網站的反爬蟲措施

5.Scrapy 與 MongoDB，進階分散式

1、瞭解爬蟲的基本原理及過程

大部分爬蟲都是按“傳送請求——獲得頁面——解析頁面——抽取並儲存內容”這樣的流程來進行，這其實也是模擬了我們使用瀏覽器獲取網頁資訊的過程。

簡單來說，我們向伺服器傳送請求後，會得到返回的頁面，通過解析頁面之後，我們可以抽取我們想要的那部分資訊，並儲存在指定的文件或資料庫中。

在這部分你可以簡單瞭解 HTTP 協議及網頁基礎知識，比如 POSTGET、HTML、CSS、JS，簡單瞭解即可，不需要系統學習。

更多Python視訊、原始碼、資料加群683380553免費獲取

2、學習 Python 包並實現基本的爬蟲過程

Python中爬蟲相關的包很多：urllib、requests、bs4、scrapy、pyspider 等，建議你從requests+Xpath 開始，requests 負責連線網站，返回網頁，Xpath 用於解析網頁，便於抽取資料。

如果你用過 BeautifulSoup，會發現 Xpath 要省事不少，一層一層檢查元素程式碼的工作，全都省略了。掌握之後，你會發現爬蟲的基本套路都差不多，一般的靜態網站根本不在話下，小豬、豆瓣、糗事百科、騰訊新聞等基本上都可以上手了。

來看一個爬取豆瓣短評的例子：

 

選中第一條短評，右鍵-“檢查”，即可檢視原始碼

把短評資訊的XPath資訊複製下來

我們通過定位，得到了第一條短評的 XPath 資訊：

 

如果我們想爬取很多條短評，那麼自然應該去獲取（複製）更多這樣的 XPath：

 

觀察第1、2、3條短評的 XPath，你會發現規律，只有<li>後面的序號不一樣，恰好與短評的序號相對應。那如果我們想爬取這個頁面所有的短評資訊，那麼不要這個序號就好了呀。

通過XPath資訊，我們就可以用簡單的程式碼將其爬取下來了：

 

爬取的該頁面所有的短評資訊

當然如果你需要爬取非同步載入的網站，可以學習瀏覽器抓包分析真實請求或者學習Selenium來實現自動化爬取，這樣，知乎、時光網、貓途鷹這些動態的網站也基本沒問題了。

你還需要了解 Python 的基礎知識，比如：

檔案讀寫操作：用來讀取引數、儲存爬取內容

list(列表)、dict(字典)：用來序列化爬取的資料

條件判斷(if/else)：解決爬蟲中的判斷是否執行

迴圈和迭代(for ……while)：用來迴圈爬蟲步驟

3、非結構化資料的儲存

爬回來的資料可以直接用文件形式存在本地，也可以存入資料庫中。

開始資料量不大的時候，你可以直接通過 Python 的語法或 pandas 的方法將資料存為text、csv這樣的檔案。還是延續上面的例子：

用Python的基礎語言實現儲存：

 

用pandas的語言來儲存：

 

這兩段程式碼都可將爬下來的短評資訊儲存起來，把程式碼貼在爬取程式碼後面即可。

儲存的該頁的短評資料

當然你可能發現爬回來的資料並不是乾淨的，可能會有缺失、錯誤等等，你還需要對資料進行清洗，可以學習 pandas 包，掌握以下知識點就好：

• 缺失值處理：對缺失資料行進行刪除或填充
• 重複值處理：重複值的判斷與刪除
• 空格和異常值處理：清楚不必要的空格和極端、異常資料
• 資料分組：資料劃分、分別執行函式、資料重組

 

4、掌握各種技巧，應對特殊網站的反爬措施

爬取一個頁面的的資料是沒問題了，但是我們通常是要爬取多個頁面。

這個時候就要看看在翻頁的時候url是如何變化了，還是以短評的頁面為例，我們來看多個頁面的url有什麼不同：

 

通過前四個頁面，我們就能夠發現規律了，不同的頁面，只是在最後標記了頁面的序號。我們以爬取5個頁面為例，寫一個迴圈更新頁面地址就好了。

 

當然，爬蟲過程中也會經歷一些絕望啊，比如被網站封IP、比如各種奇怪的驗證碼、userAgent訪問限制、各種動態載入等等。

遇到這些反爬蟲的手段，當然還需要一些高階的技巧來應對，常規的比如訪問頻率控制、使用代理IP池、抓包、驗證碼的OCR處理等等。

比如我們經常發現有的網站翻頁後url並不變化，這通常就是非同步載入。我們用開發者工具取分析網頁載入資訊，通常能夠得到意外的收穫。

通過開發者工具分析載入的資訊

比如很多時候如果我們發現網頁不能通過程式碼訪問，可以嘗試加入userAgent 資訊，甚至是瀏覽器的 cookie 資訊。

 

瀏覽器中的userAgent資訊

在程式碼中加入userAgent資訊

往往網站在高效開發和反爬蟲之間會偏向前者，這也為爬蟲提供了空間，掌握這些應對反爬蟲的技巧，絕大部分的網站已經難不到你了。

5、Scrapy 與 MongoDB，進階分散式

掌握前面的技術，一般量級的資料和程式碼基本沒有問題了，但是在遇到非常複雜的情況，可能仍然會力不從心，這個時候，強大的 scrapy 框架就非常有用了。

scrapy 是一個功能非常強大的爬蟲框架，它不僅能便捷地構建request，還有強大的 selector 能夠方便地解析 response，然而它最讓人驚喜的還是它超高的效能，讓你可以將爬蟲工程化、模組化。

分散式爬取租房資訊

爬取的資料量大了，自然會需要資料庫，MongoDB 可以方便你去儲存大規模的資料。因為這裡要用到的資料庫知識其實非常簡單，主要是資料如何入庫、如何進行提取，在需要的時候再學習就行。

MongoDB 儲存職位資訊

分散式這個東西，聽起來非常嚇人，但其實就是利用多執行緒的原理讓多個爬蟲同時工作，需要你掌握 Scrapy + MongoDB + Redis 這三種工具。

Scrapy 用於做基本的頁面爬取，MongoDB 用於儲存爬取的資料，Redis 則用來儲存要爬取的網頁佇列，也就是任務佇列。

這個時候，你已經可以去寫分散式爬蟲了。

你看，這一條學習路徑下來，你已然可以成為老司機了，非常的順暢。所以在一開始的時候，儘量不要系統地去啃一些東西，找一個實際的專案（開始可以從豆瓣、小豬這種簡單的入手），直接開始就好。

因為爬蟲這種技術，既不需要你係統地精通一門語言，也不需要多麼高深的資料庫技術，高效的姿勢就是從實際的專案中去學習這些零散的知識點，你能保證每次學到的都是最需要的那部分。