GNEv0.1正式发布：4行代码开发新闻网站通用爬虫摄影：产品经理GNE比羊肉面还香！GNE（GeneralNewsExtractor）是一个通用新闻网站正文抽取模块，输入一篇新闻网页的HTML，输出正文内容、标题、作者、发布时间、正文中的图片地址和正文所在的标签源代码。GNE在提取今日头条、网易新闻、游民星空、观察者网、凤凰网、腾讯新闻、ReadHub、新浪新闻等数百个中文新闻网站上效果非常出色
分类：
Web程序 时间：
2020-12-08 12:05:08
阅读次数：
8
为aiohttp爬虫注入灵魂摄影：产品经理与产品经理在苏州的小生活听说过异步爬虫的同学，应该或多或少听说过aiohttp这个库。它通过Python自带的async/await实现了异步爬虫。使用aiohttp，我们可以通过requests的api写出并发量匹敌Scrapy的爬虫。我们在aiohttp的官方文档上面，可以看到它给出了一个代码示例，如下图所示：我们现在稍稍修改一下，来看看这样写爬虫，运
分类：
Web程序 时间：
2020-12-08 12:03:47
阅读次数：
9
Kafka里面的信息是如何被消费的？摄影：产品经理跟着产品经理去苏州吃面作为一个爬虫工程师，Kafka对你而言就是一个消息队列，你只需要掌握如何向里面写入数据，以及如何读取数据就可以了。请谨记：使用Kafka很容易，但对Kafka集群进行搭建、维护与调优很麻烦。Kafka集群需要有专人来维护，不要以为你能轻易胜任这个工作。”本文，以及接下来的几篇针对Kafka的文章，我们面向的对象都是爬虫工程师或
分类：
其他好文 时间：
2020-12-08 12:03:19
阅读次数：
3
为什么每一个爬虫工程师都应该学习Kafka摄影：产品经理与产品经理环游世界的瞬间这篇文章不会涉及到Kafka的具体操作，而是告诉你Kafka是什么，以及它能在爬虫开发中扮演什么重要角色。一个简单的需求假设我们需要写一个微博爬虫，老板给的需求如下：开发爬虫对你来说非常简单，于是三下五除二你就把爬虫开发好了：接下来开始做报警功能，逻辑也非常简单：再来看看统计关键词的功能，这个功能背后有一个网页，会实时
分类：
其他好文 时间：
2020-12-08 12:02:43
阅读次数：
2
使用的库 bs4 requests pymongo fastapi uvicorn 爬取ip 网络上搜索一下有很多提供HTTP代理的网站，直接使用BeautifulSoup将IP爬下来。 html =requests.get(url).text bs =BeautifulSoup(html,'htm ...
分类：
编程语言 时间：
2020-12-02 12:09:56
阅读次数：
6
爬虫Ⅱ:scrapy框架 step5: Scrapy框架初识 Scrapy框架的使用 pySpider 什么是框架： 就是一个具有很强通用性且集成了很多功能的项目模板（可以被应用在各种需求中） scrapy集成好的功能： 高性能的数据解析操作（xpath） 高性能的数据下载：基于异步 高性能的持久化 ...
分类：
其他好文 时间：
2020-11-30 16:05:04
阅读次数：
8
一：scrapy的概念和流程 1：scrapy 的概念 Scrapy是一个Python编写的开源网络爬虫框架。它是一个被设计用于爬取网络数据、提取结构性数据的框架。 Scrapy 使用了Twisted['tw?st?d]异步网络框架，可以加快我们的下载速度。 2：scrapy框架的作用 少量的代码， ...
分类：
移动开发 时间：
2020-11-30 15:33:05
阅读次数：
11
菜鸟独白爬虫很有趣，很多同学都在学爬虫，其实爬虫学习有一定的成本，需要考虑静态和动态网页，有一堆的库需要掌握，复杂的需要用scrapy框架，或者用selenium爬取,甚至要考虑反爬策略。如果你不经常爬数据，偶尔用用的话，有一种神器可以非常快速的爬取，分分种上手而且效果很不错的。今天我们就来介绍一下这款神奇"WebScrapy"安装WebScrapy跟其他的第三方的数据采集器相
分类：
编程语言 时间：
2020-11-27 11:28:32
阅读次数：
8
execjs 使用 有了selenium+Chrome Headless 加载页面为什么还要用execjs来运行js？ selenium+Chrome Headless 必然是爬虫的一大利器，可是缺点依然存在， 性能问题不可忽视。 但这构不成舍弃它而不用的理由。我认为舍弃包括Chrome Headl ...
分类：
编程语言 时间：
2020-11-26 15:19:41
阅读次数：
15
背景 学习 Python 的话，仅掌握标准库是远不够的，有很多好用的第三方库我们也需要用到的，比如，由鼎鼎大名的 K 神开发的爬虫必不可少的 requests 库，一般都是必装的库吧。安装第三方库当然还是用 pip 命令安装最方便了。 但是，大家发现 pip install + 包名 的方式 安装第 ...
分类：
编程语言 时间：
2020-11-26 15:12:40
阅读次数：
8
