java和python在爬蟲(chóng)方面的優(yōu)勢(shì)和劣勢(shì)是什么？Python強(qiáng)大的網(wǎng)絡(luò)功能，模擬登陸，解析JavaScript，缺點(diǎn)是網(wǎng)頁(yè)解析Python編寫(xiě)程序非常方便，著名的Python爬蟲(chóng)有scratch等

java和python在爬蟲(chóng)方面的優(yōu)勢(shì)和劣勢(shì)是什么？

Python

強(qiáng)大的網(wǎng)絡(luò)功能，模擬登陸，解析JavaScript，缺點(diǎn)是網(wǎng)頁(yè)解析Python編寫(xiě)程序非常方便，著名的Python爬蟲(chóng)有scratch等

Java

Java有很多解析器，對(duì)網(wǎng)頁(yè)的解析支持非常好，缺點(diǎn)是有網(wǎng)絡(luò)上有很多Java開(kāi)源爬蟲(chóng)，比如nutch，中國(guó)有優(yōu)秀的webmagicjava解析器，比如Htmlparser和jsoup，可以滿(mǎn)足Java和python的通用需求。如果需要模擬登陸和反采集，選擇python更方便。如果需要處理復(fù)雜的網(wǎng)頁(yè)，解析網(wǎng)頁(yè)內(nèi)容生成結(jié)構(gòu)化數(shù)據(jù)或精細(xì)解析網(wǎng)頁(yè)內(nèi)容，可以選擇Java。

寫(xiě)爬蟲(chóng)用什么語(yǔ)言好？

爬蟲(chóng)選擇什么工具？

1. Crawler是一個(gè)網(wǎng)絡(luò)蜘蛛機(jī)器人，它能自動(dòng)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(chóng)？私人定制搜索引擎獲取更多數(shù)據(jù)的時(shí)代不再是互聯(lián)網(wǎng)時(shí)代，而是大數(shù)據(jù)時(shí)代

3。爬蟲(chóng)的原理：控制節(jié)點(diǎn)（URL分配器）、爬蟲(chóng)節(jié)點(diǎn)（根據(jù)算法抓取數(shù)據(jù)并存儲(chǔ)在數(shù)據(jù)庫(kù)中）、資源庫(kù)（存儲(chǔ)爬蟲(chóng)數(shù)據(jù)庫(kù)提供搜索）。爬蟲(chóng)的設(shè)計(jì)思想：爬蟲(chóng)的網(wǎng)絡(luò)地址，通過(guò)HTTP協(xié)議得到相應(yīng)的HTML頁(yè)面

5。爬蟲(chóng)語(yǔ)言選擇：

PHP:雖然被評(píng)為“世界上最好的語(yǔ)言”，但作為爬蟲(chóng)的缺點(diǎn)：沒(méi)有多線程的概念，對(duì)異步的支持很少，并發(fā)性不足，爬蟲(chóng)對(duì)效率的要求很高

C/C Java:python最大的競(jìng)爭(zhēng)對(duì)手，它非常龐大和笨重。爬蟲(chóng)需要經(jīng)常修改代碼

python：漂亮的語(yǔ)言，代碼介紹，多方功能模塊，調(diào)用可選的語(yǔ)言接口，成熟而高的分布式策略！在有了基礎(chǔ)的前提下，使用框架是最快的，可以在短時(shí)間內(nèi)實(shí)現(xiàn)爬蟲(chóng)。這里我推薦scratch，它是一個(gè)基于python的開(kāi)源web爬蟲(chóng)框架。其易用性、靈活性、易擴(kuò)展性和跨平臺(tái)性等特點(diǎn)使其受到廣大用友的歡迎。

使用刮削也非常簡(jiǎn)單。您只需要關(guān)注spider文件，它實(shí)際上是web頁(yè)面上數(shù)據(jù)處理的一部分。以《詩(shī)詞王-爬行詩(shī)》為例。我們可以在spider中這樣寫(xiě)：

上面的代碼整體上分為兩部分，一部分是提取網(wǎng)頁(yè)中的URL，另一部分是從詩(shī)歌細(xì)節(jié)頁(yè)面中提取需要爬網(wǎng)的內(nèi)容。我選擇在這里爬行的數(shù)據(jù)是詩(shī)歌作者、內(nèi)容、網(wǎng)站標(biāo)簽等等。

很方便嗎？如果不需要存儲(chǔ)數(shù)據(jù)，這里就足夠了。定義項(xiàng)字段以爬網(wǎng)數(shù)據(jù)。如果需要在數(shù)據(jù)庫(kù)中存儲(chǔ)數(shù)據(jù)，需要在管道中定義一個(gè)類(lèi)來(lái)存儲(chǔ)數(shù)據(jù)

如上圖所示，定義了mongodb的類(lèi)，這樣我們就可以在mongodb中存儲(chǔ)數(shù)據(jù)了。