第4天-爬虫进阶篇

经过三天爬虫入门篇章学习之后，我们有两条路可以走

• 一个是继续深入学习，以及关于设计模式的一些知识，强化Python相关知识，自己动手造轮子，继续为自己的爬虫增加分布式，多线程等功能扩展

• 另一条路便是学习一些优秀的框架，先把这些框架用熟，可以确保能够应付一些基本的爬虫任务，也就是所谓的解决温饱问题（企业用人要求），然后再深入学习它的源码等知识，进一步强化。

框架概述

爬虫框架，其中比较好用的是 Scrapy 和 PySpider。

• PySpider

  优点：分布式框架，上手更简单，操作更加简便，因为它增加了 WEB 界面，写爬虫迅速，集成了phantomjs，可以用来抓取js渲染的页面。

  缺点：自定义程度低

  http://docs.pyspider.org/en/latest/Quickstart/

• Scrapy

  优点：自定义程度高，比 PySpider更底层一些，适合学习研究，需要学习的相关知识多，拿来研究分布式和多线程等等是最合适不过的。

  缺点：非分布式框架（可以用scrapy-redis分布式框架）

Scrapy

官方文档：

http://doc.scrapy.org/en/latest/intro/tutorial.html

豆瓣Python小组：

https://www.douban.com/search?q=python+%E7%88%AC%E8%99%AB

企业招聘要求：