WEB技术之后端技术

为什么网上Python爬虫教程这么多,但是做爬虫的这么少呢?爬虫发展又该是如何呢?

PHPer 2018-03-03 889次浏览 0条评论 0 0 0
很多人学习Python进阶可能都写过几个爬虫,但是最终做爬虫的人却比较少呢?是因为真的像别人说的那样,爬虫真的没“技术含量”,还是爬虫随着反爬的不断提升,做爬虫的代价越来越高难以维持成...
很多人学习Python进阶可能都写过几个爬虫,但是最终做爬虫的人却比较少呢?是因为真的像别人说的那样,爬虫真的没“技术含量”,还是爬虫随着反爬的不断提升,做爬虫的代价越来越高难以维持成本?还希望能谈一谈爬虫的发展该是怎样的?可能做到双赢吗?请指教
python教程
python研究者,有空会出一套系统的python教程

网上教程多,是因为入门简单,容易获得成就感,容易忽悠小白

爬虫就是因为太有技术含量,所以会的人少,可能看起来做的人就少了

爬虫远比我们想的复杂

大多数人会的,只是造一颗螺丝钉,而整个爬虫系统,就好比造火箭

大多数人,只掌握了入门级的水品,也就是最多能造个螺丝钉,造不出火箭

为什么我说爬虫远比我们想的复杂呢?

爬虫绝不是表面的 用requests、urllib,发个http请求那么简单

就如同 楼上的几位回答者所说,如果只是发个http请求,根本用不着专门来学,随便找个火车头之类的工具,拖几下鼠标就搞定了

实际情况中,你要抓人家的数据, 会有很多门槛:

1.人家检测出你是爬虫,拉黑你IP (人家究竟是通过你的ua、行为特则 还是别的检测出你是爬虫的?你怎么规避?)

2.人家给你返回脏数据,你怎么辨认?

3.对方被你爬死,你怎么设计调度规则?

4.要求你一天爬完10000w数据,你一台机器带宽有限,你如何用分布式的方式来提高效率?

5.数据爬回来,要不要清洗?对方的脏数据会不会把原有的数据弄脏?

6.对方的部分数据没有更新,这些未更新的你也要重新下载吗?怎么识别?怎么优化你的规则?

7.数据太多,一个数据库放不下,要不要分库?

8.对方数据是JavaScript渲染,那你怎么抓?要不要上PhantomJS?

9.对方返回的数据是加密的,你怎么解密?

10.对方有验证码,你怎么破解?

11.对方有个APP,你怎么去得到人家的数据接口?

12.数据爬回来,你怎么展示?怎么可视化?怎么利用?怎么发挥价值? ...

登录 | 立即注册

更新于:2018-03-03 17:48:25
    您需要登录后才可以评论。 登录 | 立即注册
    相关内容

    网站如何知道浏览器的用户在使用什么语言

    http://www.360doc.com/content/15/1110/21/3884271_512215449.shtml我们会看到很多支持多语言的网站,有些

    什么是 SSL、TLS 和 HTTPS?

    原文链接:https://www.websecurity.digicert.com/zh/cn/security-topics/what-is-ssl-tls-https 什么是 S...

    CN2和IPLC专线服务器有什么区别,哪个更好?

    原文链接:https://pc6a.com/2093.html2019-12-17 09:52:46昨天有个小朋友搜索CN2和IPLC专线服务器哪个好,小白组织

    在最近的会议上。在结束过程中,Elon所说的“为...

    【ucloud】

    what does Elon meant by "Fight for the light of consciousness" ?

    推荐内容

    怎样使用V2Ray代理和SSTap玩如魔兽世界/绝地求生/LOL台...

    在网上找的ss+SSTap的方式都不能通过SSTap的链接测试。最后找到了v2ray+SSTap的方式。 注意事项,首先单独有v2ray看能不能正常上网。另外加速时要v2ray和SST...

    使用V2Ray的mKCP协议加速游戏

    当前脚本已发布新版本,地址: https://github.com/kuoruan/shell-scripts/raw/master/kcptun/kcptun.sh 旧仓库已废...

    v2rayN已停止工作

    要安装.NET Framework 4.6 或者更高版本

    超省心游戏加速:Wireguard+udp加速(CentOS版)--(

    Wireguard+udpspeeder+udp2raw游戏加速方案 ---------------------------------------错误报告及解决-----------...

    wireguard+udpspeeder+udp2raw多用户配置

    Wireguard+udpspeeder+udp2raw游戏加速方案改进版-实测有效

    解决'nmake' 不是内部或外部命令,也不是可运行的程序

    在用gifsicle时,需要在其src目录下使用 nmake -f Makefile.w32 命令,报错 'nmake' 不是内部或外部命令,也不是可运行的程序 或批处理文件。 于是网...