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。

為什么很少人討論或者使用java爬蟲(chóng)？

1. 爬行動(dòng)物的經(jīng)濟(jì)價(jià)值是什么？只有在有經(jīng)濟(jì)價(jià)值的情況下，才有必要開(kāi)發(fā)這種爬行動(dòng)物。不幸的是，在今天的許多情況下，爬行動(dòng)物并沒(méi)有太大的價(jià)值。僅：采用比價(jià)、數(shù)據(jù)統(tǒng)計(jì)、搜索引擎、信用爬蟲(chóng)等有限的場(chǎng)合，這些場(chǎng)合基本被大公司壟斷?，F(xiàn)在很少有人寫(xiě)爬行動(dòng)物。

2. 寫(xiě)爬行動(dòng)物有多難？一天早上，就這樣。所以沒(méi)有什么困難。最多，設(shè)置useragent，設(shè)置refer，首先獲取cookie，設(shè)置延遲等等。從錢(qián)的角度看，估計(jì)值三四百元左右。花費(fèi)不多。

3. 爬行動(dòng)物能活多久？長(zhǎng)期以來(lái)，只要爬網(wǎng)系統(tǒng)不升級(jí)，就可以一直使用。換句話(huà)說(shuō)，寫(xiě)爬蟲(chóng)半年是很常見(jiàn)的。它很常見(jiàn)，這意味著它不有趣，也沒(méi)有被注意到

爬蟲(chóng)程序選擇什么工具？

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：語(yǔ)言?xún)?yōu)美，代碼介紹，多方功能模塊，調(diào)用替代語(yǔ)言接口，成熟的分布式策略