Python爬蟲的用途

Python爬蟲是用Python程式語言實現的網路爬蟲，主要用於網路資料的抓取和處理，相比於其他語言，Python是一門非常適合開發網路爬蟲的程式語言，大量內建包，可以輕鬆實現網路爬蟲功能。

Python爬蟲可以做的事情很多，如搜尋引擎、採集資料、廣告過濾等，Python爬蟲還可以用於資料分析，在資料的抓取方面可以作用巨大！

Python爬蟲架構組成

1. URL管理器：管理待爬取的url集合和已爬取的url集合，傳送待爬取的url給網頁下載器；

2. 網頁下載器：爬取url對應的網頁，儲存成字串，傳送給網頁解析器；

3. 網頁解析器：解析出有價值的資料，儲存下來，同時補充url到URL管理器。

Python爬蟲工作原理

Python爬蟲通過URL管理器，判斷是否有待爬URL，如果有待爬URL，通過排程器進行傳遞給下載器，下載URL內容，並通過排程器傳送給解析器，解析URL內容，並將價值資料和新URL列表通過排程器傳遞給應用程式，並輸出價值資訊的過程。

Python爬蟲常用框架有：

grab：網路爬蟲框架（基於pycurl/multicur）；

scrapy：網路爬蟲框架（基於twisted），不支援Python3；

pyspider：一個強大的爬蟲系統；

cola：一個分散式爬蟲框架；

portia：基於Scrapy的視覺化爬蟲；

restkit：Python的HTTP資源工具包。它可以讓你輕鬆地訪問HTTP資源，並圍繞它建立的物件；

demiurge：基於PyQuery的爬蟲微框架。

Python爬蟲應用領域廣泛，在網路爬蟲領域處於霸主位置，Scrapy、Request、BeautifuSoap、urlib等框架的應用，可以實現爬行自如的功能，只要您資料抓取想法，Python爬蟲均可實現！