各位python達人，怎樣寫一個爬取網(wǎng)站目錄的？如果需要少量數(shù)據(jù)，可以使用python2附帶的urllib2爬蟲程序。如果你想要大量的數(shù)據(jù)，你需要一個特殊的爬蟲框架，scratch。作為一個爬蟲，你首

各位python達人，怎樣寫一個爬取網(wǎng)站目錄的？

如果需要少量數(shù)據(jù)，可以使用python2附帶的urllib2爬蟲程序。如果你想要大量的數(shù)據(jù)，你需要一個特殊的爬蟲框架，scratch。作為一個爬蟲，你首先需要分析你想要爬網(wǎng)的網(wǎng)頁的頁面結(jié)構(gòu)，也就是說，你需要知道你想要的元素在DOM樹中的位置，然后使用可以操作DOM的包，比如beautiful soup或者XPath，來解析DOM，得到你想要的值，然后保存它

首先，我們需要請明確我們能看到的所有網(wǎng)頁，無論是文本、圖片還是動畫，都用HTML標記。然后瀏覽器以視覺和美學的方式向我們顯示這些標簽。如果我們想成為一個網(wǎng)絡爬蟲，那么我們的爬蟲沒有遠見，只有邏輯。在爬蟲的眼中，只有HTML標記，其他樣式正在使用中爬蟲的眼中有云，所以爬蟲實際上讀取HTML標記（這里涉及的一個知識點是獲取HTML標記）。庫是請求庫，它可以通過web請求獲取HTML元素，然后在HTML標記中顯示所需內(nèi)容。這是一個網(wǎng)絡爬蟲。邏輯就這么簡單。如果您有使用python的經(jīng)驗，建議您使用crawler框架scratch