扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
小编给大家分享一下python爬虫中如何选scrapy框架，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
建议还是先使用scrapy快速上手写几个爬虫出来，再学习使用requests+bs4自己写爬虫。
原因如下：
1、学习一个新东西，首先是先用起来，然后在使用中发现问题，再究其原理，才能深入学习；
2、scrapy不管是否支持python3，如果想学习爬虫原理，都无碍的，因为学习思想最重要；
3、scrapy封装了爬虫的一些核心组件，而且上手简单，如果想以后自己写爬虫框架，它的实现思路还是很值得借鉴的；
等用scrapy写出几个爬虫抓几个网站后，这基本算是入门了。
要抓的网站非常多时，就会遇到几个问题：
1、一些网站开始防抓，IP被封？
随机User-Agent，随机代理，开始用到scrapy的插件。
2、网页太多，抓的太慢，scrapy默认是不支持分布式的，怎么实现分布式？
一些分布式的插件就会用起来，例如scrapy-redis。
3、网页越来越多，会不会抓重复？
哦，原来不会重复抓。看一看scrapy源码，基于url指纹过滤重复的。啊，过滤规则自己可以替换，不错！
4、网站如何深度抓取，如何广度抓取？
看一看scrapy源码，哦，原来通过实现了栈和队列改变任务的入队顺序，结合配置来控制。
如果你有足够的兴趣和耐心，有没有发现，从开始使用它，慢慢地你开始关注scrapy的是如何实现了，继续深入源码，你就会发现它的实现思想很巧妙，代码结构低耦合，插件威力巨大！
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网