Python初级简易爬虫
2016-07-25 19:54
239 查看
最近在进行Android网络框架开发时,需要服务端进行测试,于是学习一下Python+Flask,也顺便做一做Python的爬虫。
HtmlParser:使用BeautifulSoup解析HTML页面,通过对HTML标签及其属性的选择,获取所有目标的名称和链接
Item:每一个目标是一个Item对象,包含有url和name属性
TaskManager:使用一个线程安全的队列保存任务(下版本将加入多线程支持)
FileDownloader:从任务队列中不断取出Item对象,下载并命名、保存到指定位置
内置模块 urllib.request(在Python2.X版本为urllib2)、queue等
Python版本:
Python 3.5项目结构:
CoreSpider:控制爬虫的整体逻辑,负责调用其他模块HtmlParser:使用BeautifulSoup解析HTML页面,通过对HTML标签及其属性的选择,获取所有目标的名称和链接
Item:每一个目标是一个Item对象,包含有url和name属性
TaskManager:使用一个线程安全的队列保存任务(下版本将加入多线程支持)
FileDownloader:从任务队列中不断取出Item对象,下载并命名、保存到指定位置
用到的模块
第三方模块 BeautifulSoup内置模块 urllib.request(在Python2.X版本为urllib2)、queue等
项目地址
GitHub链接:https://github.com/lzjohnny/MoeSpider相关文章推荐
- Python动态类型的学习---引用的理解
- Python3写爬虫(四)多线程实现数据爬取
- 垃圾邮件过滤器 python简单实现
- 下载并遍历 names.txt 文件,输出长度最长的回文人名。
- install and upgrade scrapy
- Scrapy的架构介绍
- Centos6 编译安装Python
- 使用Python生成Excel格式的图片
- 让Python文件也可以当bat文件运行
- [Python]推算数独
- 爬虫笔记
- Python中zip()函数用法举例
- Python中map()函数浅析
- Python将excel导入到mysql中
- Python在CAM软件Genesis2000中的应用
- 使用Shiboken为C++和Qt库创建Python绑定
- Python安装模块出错(ImportError: No module named set***)解决方法