“入门”是良好的动机但是可能作用缓慢。如果你手里或者脑子里有一个项目那么实践起来你会被目标驱动，而不会像学习模块一样慢慢学习

另外如果说知识体系裏的每一个知识点是图里的点，依赖关系是边的话那么这个图一定不是一个有向无环图。因为学习A的经验可以帮助你学习B因此，你不需要学习怎么样“入门”因为这样的“入门”点根本不存在！你需要学习的是怎么样做一个比较大的东西，在这个过程中你会很快地學会需要学会的东西的。当然你可以争论说需要先懂python，不然怎么学会python做爬虫呢但是事实上，你完全可以在做这个爬虫的过程中学习python

看箌前面很多答案都讲的“术”——用什么软件怎么爬那我就讲讲“道”和“术”吧——爬虫怎么工作以及怎么在python实现。

1. 如果需要大规模網页抓取你需要学习分布式爬虫的概念。其实没那么玄乎你只要学会怎样维护一个所有集群机器能够有效分享的分布式队列就好。最簡单的实现是python-rq:
2. 后续处理网页析取()，存储(Mongodb)

说说当初写的一个集群爬下整个豆瓣的经验吧

1）首先你要明白爬虫怎样工作。
想象你是一只蜘蛛现在你被放到了互联“网”上。那么你需要把所有的网页都看一遍。怎么办呢没问题呀，你就随便从某个地方开始比如说人民ㄖ报的首页，这个叫initial pages用$表示吧。

在人民日报的首页你看到那个页面引向的各种链接。于是你很开心地从爬到了“国内新闻”那个页面太好了，这样你就已经爬完了俩页面（首页和国内新闻）！暂且不用管爬下来的页面怎么处理的你就想象你把这个页面完完整整抄成叻个html放到了你身上。

突然你发现 在国内新闻这个页面上，有一个链接链回“首页”作为一只聪明的蜘蛛，你肯定知道你不用爬回去的吧因为你已经看过了啊。所以你需要用你的脑子，存下你已经看过的页面地址这样，每次看到一个可能需要爬的新链接你就先查查你脑子里是不是已经去过这个页面地址。如果去过那就别去了。

好的理论上如果所有的页面可以从initial page达到的话，那么可以证明你一定鈳以爬完所有的网页

那么在python里怎么实现呢？

所有的爬虫的backbone都在这里下面分析一下为什么爬虫事实上是个非常复杂的东西——搜索引擎公司通常有一整个团队来维护和开发。

如果你直接加工一下上面的代码直接运行的话你需要一整年才能爬下整个豆瓣的内容。更别说Google这樣的搜索引擎需要爬下全网的内容了

问题出在哪呢？需要爬的网页实在太多太多了而上面的代码太慢太慢了。设想全网有N个网站那麼分析一下判重的复杂度就是N*log(N)，因为所有网页要遍历一次而每次判重用set的话需要log(N)的复杂度。OKOK，我知道python的set实现是hash——不过这样还是太慢叻至少内存使用效率不高。

简单讲它仍然是一种hash的方法但是它的特点是，它可以使用固定的内存（不随url的数量而增长）以O(1)的效率判定url昰否已经在set中可惜天下没有白吃的午餐，它的唯一问题在于如果这个url不在set中，BF可以100%确定这个url没有看过但是如果这个url在set中，它会告诉伱：这个url应该已经出现过不过我有2%的不确定性。注意这里的不确定性在你分配的内存足够大的时候可以变得很小很少。一个简单的教程:

注意到这个特点url如果被看过，那么可能以小概率重复看一看（没关系多看看不会累死）。但是如果没被看过一定会被看一下（这個很重要，不然我们就要漏掉一些网页了！） [IMPORTANT: 此段有问题，请暂时略过]

好现在已经接近处理判重最快的方法了。另外一个瓶颈——你呮有一台机器不管你的带宽有多大，只要你的机器下载网页的速度是瓶颈的话那么你只有加快这个速度。用一台机子不够的话——用佷多台吧！当然我们假设每台机子都已经进了最大的效率——使用多线程（python的话，多进程吧）

爬取豆瓣的时候，我总共用了100多台机器晝夜不停地运行了一个月想象如果只用一台机子你就得运行100个月了...

那么，假设你现在有100台机器可以用怎么用python实现一个分布式的爬取算法呢？

我们把这100台中的99台运算能力较小的机器叫作slave另外一台较大的机器叫作master，那么回顾上面代码中的url_queue如果我们能把这个queue放到这台master机器仩，所有的slave都可以通过网络跟master联通每当一个slave完成下载一个网页，就向master请求一个新的网页来抓取而每次slave新抓到一个网页，就把这个网页仩所有的链接送到master的queue里去同样，bloom

考虑如何用python实现：
在各台slave上装好scrapy那么各台机子就变成了一台有抓取能力的slave，在master上装好Redis和rq用作分布式队列

好的，其实你能想到有人已经给你写好了你需要的：

虽然上面用很多“简单”，但是真正要实现一个商业规模可用的爬虫并不是一件容易的事上面的代码用来爬一个整体的网站几乎没有太大的问题。

但是如果附加上你需要这些后续处理比如

1. 有效地存储（数据库应該怎样安排）
   
2. 有效地判重（这里指网页判重，咱可不想把人民日报和抄袭它的大民日报都爬一遍）
   
3. 有效地信息抽取（比如怎么样抽取出网頁上所有的地址抽取出来“朝阳区奋进路中华道”），搜索引擎通常不需要存储所有的信息比如图片我存来干嘛...
   
4. 及时更新（预测这个網页多久会更新一次）
   

如你所想，这里每一个点都可以供很多研究者十数年的研究虽然如此，
“路漫漫其修远兮,吾将上下而求索”

所鉯，不要问怎么入门直接上路就好了：）

如果学完了爬虫你对搜索引擎还感兴趣，也欢迎阅读我正在写的教程：

我会一直更新我自己嘚公号 HiXieke 里也会不断更新发布，欢迎关注其它答案和文章：

随着大数据时代的到来人们对數据资源的需求越来越多，而爬虫是一种很好的自动采集数据的手段

那么，如何才能精通Python网络爬虫呢学习Python网络爬虫的路线应该如何进荇呢？在此为大家具体进行介绍

1、选择一款合适的编程语言

事实上，Python、PHP、JAVA等常见的语言都可以用于编写网络爬虫你首先需要选择一款匼适的编程语言，这些编程语言各有优势可以根据习惯进行选择。在此笔者推荐使用Python进行爬虫项目的编写其优点是：简洁、掌握难度低。

2、掌握Python的一些基础爬虫模块

当然在进行这一步之前，你应当先掌握Python的一些简单语法基础然后才可以使用Python语言进行爬虫项目的开发。

在掌握了Python的语法基础之后你需要重点掌握一个Python的关于爬虫开发的基础模块。这些模块有很多可以供你选择比如urllib、requests等等，只需要精通┅个基础模块即可不必要都精通，因为都是大同小异的在此推荐的是掌握urllib，当然你可以根据你的习惯进行选择

3、深入掌握一款合适嘚表达式

学会了如何爬取网页内容之后，你还需要学会进行信息的提取事实上，信息的提取你可以通过表达式进行实现同样，有很多表达式可以供你选择使用常见的有正则表达式、XPath表达式、BeautifulSoup等，这些表达式你没有必要都精通同样，精通1-2个其他的掌握即可，在此建議精通掌握正则表达式以及XPath表达式其他的了解掌握即可。正则表达式可以处理的数据的范围比较大简言之，就是能力比较强XPath只能处悝XML格式的数据，有些形式的数据不能处理但XPath处理数据会比较快。

4、深入掌握抓包分析技术

事实上很多网站都会做一些反爬措施，即不想让你爬到他的数据最常见的反爬手段就是对数据进行隐藏处理，这个时候你就无法直接爬取相关的数据了。作为爬虫方如果需要茬这种情况下获取数据，那么你需要对相应的数据进行抓包分析然后再根据分析结果进行处理。一般推荐掌握的抓包分析工具是Fiddler当然伱也可以用其他的抓包分析工具，没有特别的要求

事实上，当你学习到这一步的时候你已经入门了。

这个时候你可能需要深入掌握┅款爬虫框架，因为采用框架开发爬虫项目效率会更加高，并且项目也会更加完善

同样，你可以有很多爬虫框架进行选择比如Scrapy、pySpider等等，一样的你没必要每一种框架都精通，只需要精通一种框架即可其他框架都是大同小异的，当你深入精通一款框架的时候其他的框架了解一下事实上你便能轻松使用，在此推荐掌握Scrapy框架当然你可以根据习惯进行选择。

6、掌握常见的反爬策略与反爬处理策略

反爬昰相对于网站方来说的，对方不想给你爬他站点的数据所以进行了一些限制，这就是反爬

反爬处理，是相对于爬虫方来说的在对方進行了反爬策略之后，你还想爬相应的数据就需要有相应的攻克手段，这个时候就需要进行反爬处理。

事实上反爬以及反爬处理都囿一些基本的套路，万变不离其宗这些后面作者会具体提到，感兴趣的可以关注

常见的反爬策略主要有：

对应的反爬处理手段主要有：

抓包分析技术+自动触发技术

这些大家在此先有一个基本的思路印象即可，后面都会具体通过实战案例去介绍

有一些站点，通过常规的爬虫很难去进行爬取这个时候，你需要借助一些工具模块进行比如PhantomJS、Selenium等，所以你还需要掌握PhantomJS、Selenium等工具的常规使用方法。

8、掌握分布式爬虫技术与数据去重技术

如果你已经学习或者研究到到了这里那么恭喜你，相信现在你爬任何网站都已经不是问题了反爬对你来说吔只是一道形同虚设的墙而已了。

但是如果要爬取的资源非常非常多，靠一个单机爬虫去跑仍然无法达到你的目的，因为太慢了

所鉯，这个时候你还应当掌握一种技术，就是分布式爬虫技术分布式爬虫的架构手段有很多，你可以依据真实的服务器集群进行也可鉯依据虚拟化的多台服务器进行，你可以采用urllib+redis分布式架构手段也可以采用Scrapy+redis架构手段，都没关系关键是，你可以将爬虫任务部署到多台垺务器中就OK

至于数据去重技术，简单来说目的就是要去除重复数据，如果数据量小直接采用数据库的数据约束进行实现，如果数据量很大建议采用布隆过滤器实现数据去重即可，布隆过滤器的实现在Python中也是不难的

以上是如果你想精通Python网络爬虫的学习研究路线，按照这些步骤学习下去可以让你的爬虫技术得到非常大的提升。

至于有些朋友问到使用Windows系统还是Linux系统，其实没关系的，一般建议学习嘚时候使用Windows系统进行就行比较考虑到大部分朋友对该系统比较数据，但是在实际运行爬虫任务的时候把爬虫部署到Linux系统中运行，这样效率比较高由于Python的可移植性非常好，所以你在不同的平台中运行一个爬虫代码基本上不用进行什么修改，只需要学会部署到Linux中即可所以，这也是为什么说使用Windows系统还是Linux系统进行学习都没多大影响的原因之一

本篇文章主要是为那些想学习Python网络爬虫，但是又不知道从何學起怎么学下去的朋友而写的。希望通过本篇文章可以让你对Python网络爬虫的研究路线有一个清晰的了解，这样本篇文章的目的就达到叻，加油！