Python中爬蟲(chóng)框架或模塊的區(qū)別【Python面試題】

(1)爬蟲(chóng)框架或模塊

Python自帶爬蟲(chóng)模塊：urllib、urllib2 ;

第三方爬蟲(chóng)模塊：requests，aiohttp;

爬蟲(chóng)框架： Scrapy、pyspider。

(2)爬蟲(chóng)框架或模塊的優(yōu)缺點(diǎn)

urllib和urllib2模塊都用于請(qǐng)求URL相關(guān)的操作，但他們提供了不同的功能。urllib2模塊中urllib2.urlopen可以接受一個(gè)Request對(duì)象或者url，(在接受Request對(duì)象時(shí)候，并以此可以來(lái)設(shè)置一個(gè)URL 的headers)，且只接收一個(gè)url;urllib中有urlencode，而urllib2中沒(méi)有。因此，開(kāi)發(fā)人員在實(shí)際開(kāi)發(fā)中經(jīng)常會(huì)將urllib與urllib2一起使用。

requests是一個(gè)HTTP庫(kù)， 它僅僅用于發(fā)送請(qǐng)求。對(duì)于HTTP請(qǐng)求而言，request是一個(gè)強(qiáng)大的庫(kù)，可以自己處理下載、解析，靈活性更高，高并發(fā)與分布式部署也非常靈活，對(duì)于功能可以更好實(shí)現(xiàn)。

aiohttp是一個(gè)基于python3的asyncio攜程機(jī)制實(shí)現(xiàn)的一個(gè)http庫(kù)。相比requests，aiohttp自身就具備了異步功能。但只能在python3環(huán)境中使用。

Scrapy是封裝起來(lái)的框架，它包含了下載器、解析器、日志及異常處理，是基于多線程的，采用twisted的方式處理。對(duì)于固定單個(gè)網(wǎng)站的爬取開(kāi)發(fā)，Scrapy具有優(yōu)勢(shì);對(duì)于多網(wǎng)站爬取，并發(fā)及分布式處理方面，Scrapy不夠靈活，不便調(diào)整與擴(kuò)展。

Scrapy具有以下優(yōu)點(diǎn)：

·Scrapy是異步的;

·采取可讀性更強(qiáng)的XPath代替正則表達(dá)式;

·強(qiáng)大的統(tǒng)計(jì)和log 系統(tǒng);

·可同時(shí)在不同的URL上爬行;

·支持shell方式，方便獨(dú)立調(diào)試;

·方便寫(xiě)一些統(tǒng)一的過(guò)濾器;

·通過(guò)管道的方式存入數(shù)據(jù)庫(kù)。

Scrapy是基于python實(shí)現(xiàn)的爬蟲(chóng)框架，擴(kuò)展性比較差。

Pyspider是一個(gè)重量級(jí)的爬蟲(chóng)框架。我們知道Scrapy沒(méi)有數(shù)據(jù)庫(kù)集成、分布式、斷點(diǎn)續(xù)爬的支持、UI控制界面等等，若Scrapy想要實(shí)現(xiàn)這些功能，需要自行開(kāi)發(fā)。Pyspider已經(jīng)集成了前面這些功能，也正因如此，Pyspider的擴(kuò)展性太差，學(xué)習(xí)難度較大。


猜你喜歡

Python爬蟲(chóng)入門(mén)教程 百度云盤(pán)下載 

python爬蟲(chóng)可以用來(lái)做什么? 

python爬蟲(chóng)視頻教程【6天掌握python爬蟲(chóng)】 

Python高級(jí)軟件工程培訓(xùn)課程