寫爬蟲用什么語言好？爬蟲選擇什么工具？1. Crawler是一個網(wǎng)絡(luò)蜘蛛機器人，它能自動地抓取數(shù)據(jù)并根據(jù)我們的規(guī)則獲取數(shù)據(jù)2。為什么使用爬蟲？私人定制搜索引擎獲取更多數(shù)據(jù)的時代不再是互聯(lián)網(wǎng)時代，而是大

寫爬蟲用什么語言好？

爬蟲選擇什么工具？

1. Crawler是一個網(wǎng)絡(luò)蜘蛛機器人，它能自動地抓取數(shù)據(jù)并根據(jù)我們的規(guī)則獲取數(shù)據(jù)

2。為什么使用爬蟲？私人定制搜索引擎獲取更多數(shù)據(jù)的時代不再是互聯(lián)網(wǎng)時代，而是大數(shù)據(jù)時代

3。爬蟲的原理：控制節(jié)點（URL分配器）、爬蟲節(jié)點（根據(jù)算法抓取數(shù)據(jù)并存儲在數(shù)據(jù)庫中）、資源庫（存儲爬蟲數(shù)據(jù)庫提供搜索）。爬蟲的設(shè)計思想：爬蟲的網(wǎng)絡(luò)地址，通過HTTP協(xié)議得到相應(yīng)的HTML頁面

5。爬蟲語言選擇：

PHP:雖然被評為“世界上最好的語言”，但作為爬蟲的缺點：沒有多線程的概念，對異步的支持很少，并發(fā)性不足，爬蟲對效率的要求很高

C/C Java:python最大的競爭對手，它非常龐大和笨重。爬蟲需要經(jīng)常修改代碼

Python：漂亮的語言，代碼介紹，多方功能模塊，調(diào)用替代語言接口，成熟的高分布式策略

我用了6年C，感覺這個領(lǐng)域還是有很大的需求的。

首先，嵌入式設(shè)備：幾乎所有的硬件設(shè)備都離不開C。手機和Android設(shè)備都是Linux內(nèi)核和純C。硬件由C、MCU和數(shù)據(jù)機驅(qū)動。

第二，網(wǎng)絡(luò)設(shè)備：各種網(wǎng)絡(luò)設(shè)備、光纖設(shè)備、交換機、防火墻、小型家庭路由器、TCP/IP協(xié)議都是用C語言編寫的，C語言的需求和網(wǎng)絡(luò)的發(fā)展空間一樣大。

第三，服務(wù)器端：大部分服務(wù)器端程序都是C，精通nginx和squid，可以使公司上市，如Netshop技術(shù)。云服務(wù)離不開C。亞馬遜，業(yè)界最強大的云，不能靠買書來做這么多。還有流行的大數(shù)據(jù)、IPv6等，涉及的業(yè)務(wù)非常廣泛。很多工具都是用C寫的，比如PHP，python…

但是C不是那么簡單，不僅僅是語法，比如Linux驅(qū)動程序，你應(yīng)該熟悉內(nèi)核架構(gòu)，并且有一些硬件知識。C有很多開源代碼要看。歡迎添加

我認(rèn)為用C語言建立一個搜索引擎是可能的，但是成本會很高。首先，讓我們看看一般搜索引擎需要哪些模塊。

用C語言做一個爬蟲系統(tǒng)，成本會很高，很多東西需要自己實現(xiàn)。至于crawler系統(tǒng)，我認(rèn)為Python的scrapy框架是一個不錯的選擇。從抓取網(wǎng)頁到在數(shù)據(jù)庫中存儲數(shù)據(jù)有一個完整的鏈接。爬蟲系統(tǒng)對性能要求不高，python可以勝任。

.索引的數(shù)據(jù)結(jié)構(gòu)和部分算法可以用C語言實現(xiàn)，在線索引的實時更新可以用C語言實現(xiàn)，效率更高。

如果您只需要做一個簡單的檢索系統(tǒng)，直接BM25算法是可以的。如果系統(tǒng)比較復(fù)雜，考慮到在線效果，需要結(jié)合機器學(xué)習(xí)模型或深度學(xué)習(xí)模型，考慮檢索的相關(guān)性，有很多復(fù)雜的設(shè)計。而在線部分可以用C語言實現(xiàn)。

一般來說，作為一個搜索引擎，我們需要根據(jù)不同的模塊選擇不同的語言，充分發(fā)揮各種語言的優(yōu)勢。