python编写简单爬虫资料汇总
爬虫真是一件有意思的事儿啊，之前写过爬虫，用的是urllib2、BeautifulSoup实现简单爬虫，scrapy也有实现过。最近想更好的学习爬虫，那么就尽可能的做记录吧。这篇博客就我今天的一个学习过程写写吧。
一 正则表达式
正则表达式是一个很强大的工具了，众多的语法规则，我在爬虫中常用的有：
| . | 匹配任意字符（换行符除外） |
| * | 匹配前一个字符0或无限次 |
| ? | 匹配前一个字符0或1次 |
| .* | 贪心算法 |
| .*? | 非贪心算法 |
| （.*?) | 将匹配到的括号中的结果输出 |
| \d | 匹配数字 |
| re.S | 使得.可以匹配换行符 |
常用的方法有：find_all()，search()，sub()
对以上语法方法做以练习，代码见：https://github.com/Ben0825/Crawler/blob/master/re_test.py
二 urllib和urllib2
urllib和urllib2库是学习Python爬虫最基本的库，利用该库，我们可以得到网页的内容，同时，可以结合正则对这些内容提取分析，得到真正想要的结果。
在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。
代码见：https://github.com/Ben0825/Crawler/blob/master/qiubai_test.py
三 BeautifulSoup
BeautifulSoup是Python的一个库，最主要的功能是从网页抓取数据，官方介绍是这样的：
Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为 utf-8 编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup 就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python 解释器,为用户灵活地提供不同的解析策略或强劲的速度。
首先：爬取百度百科Python词条下相关的100个页面，爬取的页面值自己设定。
代码详见：https://github.com/Ben0825/Crawler/tree/master/python_baike_Spider
代码运行：
巩固篇，依据豆瓣中图书的标签得到一个书单，同样使用BeautifulSoup。
代码详见：https://github.com/Ben0825/Crawler/blob/master/doubanTag.py
运行结果：
以上就是今天学习的一些内容，爬虫真的很有意思啊，明天继续学scrapy!
-
本文向大家介绍用Python编写简单的微博爬虫，包括了用Python编写简单的微博爬虫的使用技巧和注意事项，需要的朋友参考一下 先说点题外话，我一开始想使用Sina Weibo API来获取微博内容，但后来发现新浪微博的API限制实在太多，大家感受一下： 只能获取当前授权的用户（就是自己），而且只能返回最新的5条，WTF！ 所以果断放弃掉这条路，改为『生爬』，因为PC端的微博是Ajax的动态加载，
-
本文向大家介绍Android编写简单的网络爬虫，包括了Android编写简单的网络爬虫的使用技巧和注意事项，需要的朋友参考一下 一、网络爬虫的基本知识 网络爬虫通过遍历互联网络，把网络中的相关网页全部抓取过来，这体现了爬的概念。爬虫如何遍历网络呢，互联网可以看做是一张大图，每个页面看做其中的一个节点，页面的连接看做是有向边。图的遍历方式分为宽度遍历和深度遍历，但是深度遍历可能会在深度上过深的遍历或
-
本文向大家介绍使用Python编写简单网络爬虫抓取视频下载资源，包括了使用Python编写简单网络爬虫抓取视频下载资源的使用技巧和注意事项，需要的朋友参考一下 我第一次接触爬虫这东西是在今年的5月份，当时写了一个博客搜索引擎，所用到的爬虫也挺智能的，起码比电影来了这个站用到的爬虫水平高多了！ 回到用Python写爬虫的话题。 Python一直是我主要使用的脚本语言，没有之一。Python的语言简洁
-
本文向大家介绍使用Python的Scrapy框架编写web爬虫的简单示例，包括了使用Python的Scrapy框架编写web爬虫的简单示例的使用技巧和注意事项，需要的朋友参考一下 在这个教材中,我们假定你已经安装了Scrapy。假如你没有安装,你可以参考这个安装指南。 我们将会用开放目录项目(dmoz)作为我们例子去抓取。 这个教材将会带你走过下面这几个方面: 创造一个新的Scrapy项
-
本文向大家介绍python爬虫爬取图片的简单代码，包括了python爬虫爬取图片的简单代码的使用技巧和注意事项，需要的朋友参考一下 Python是很好的爬虫工具不用再说了，它可以满足我们爬取网络内容的需求，那最简单的爬取网络上的图片，可以通过很简单的方法实现。只需导入正则表达式模块，并利用spider原理通过使用定义函数的方法可以轻松的实现爬取图片的需求。 1、spider原理 spider就是定
-
本文向大家介绍python爬虫框架talonspider简单介绍，包括了python爬虫框架talonspider简单介绍的使用技巧和注意事项，需要的朋友参考一下 1.为什么写这个？ 一些简单的页面，无需用比较大的框架来进行爬取，自己纯手写又比较麻烦 因此针对这个需求写了talonspider: •1.针对单页面的item提取 - 具体介绍点这里 •2.spider模块 - 具体介绍点这里 2.介