“入門”是良好的動機，但是可能作用緩慢。如果你手里或者腦子里有一個項目，那么實踐起來你會被目標驅動，而不會像學習模塊一樣慢慢學習。
另外如果說知識體系里的每一個知識點是圖里的點，依賴關系是邊的話，那么這個圖一定不是一個有向無環(huán)圖。因為學習A的經驗可以幫助你學習B。因此，你不需要學習怎么樣“入門”，因為這樣的“入門”點根本不存在！你需要學習的是怎么樣做一個比較大的東西，在這個過程中，你會很快地學會需要學會的東西的。當然，你可以爭論說需要先懂python，不然怎么學會python做爬蟲呢？但是事實上，你完全可以在做這個爬蟲的過程中學習ython :D
看到前面很多答案都講的“術”——用什么軟件怎么爬，那我就講講“道”和“術”吧——爬蟲怎么工作以及怎么在python實現。先長話短說summarize一下：
你需要學習
1.基本的爬蟲工作原理
2.基本的http抓取工具，scrapy
3.Bloom Filter: Bloom Filters by Example
4.如果需要大規(guī)模網頁抓取，你需要學習分布式爬蟲的概念。其實沒那么玄乎，你只要學會怎樣維護一個所有集群機器能夠有效分享的分布式隊列就好。最簡單的實現是python-rq: https://github.com/nvie/rq
5.rq和Scrapy的結合：darkrho/scrapy-redis · GitHub
6.后續(xù)處理，網頁析取(grangier/python-goose · GitHub)，存儲(Mongodb)
那么源碼時代小編來總結一下：
從爬蟲基本要求來看：
1.抓?。鹤ト∽罨揪褪抢W頁回來，所以第一步就是拉網頁回來，慢慢會發(fā)現各種問題待優(yōu)化；
2.存儲：抓回來一般會用一定策略存下來，可以選擇存文件系統開始，然后以一定規(guī)則命名。
3.分析：對網頁進行文本分析，可以用認為最快最優(yōu)的辦法，比如正則表達式；
4.展示：要是做了一堆事情，一點展示輸出都沒有，如何展現價值。
另外小編在這里推薦一本書《用Python寫網絡爬蟲》，里面主要講述的內容有：通過跟蹤鏈接來爬取網站;使用lxml從頁面中抽取數據;構建線程爬蟲來并行爬取頁面;將下載的內容進行緩存，以降低帶寬消耗;解析依賴于JavaScript的網站;與表單和會話進行交互;解決受保護頁面的驗證碼問題;對AJAX調用進行逆向工程;使用Scrapy創(chuàng)建高級爬蟲。
風里雨里，在源碼時代python爬蟲課程等你。

興和網站制作公司哪家好，找創(chuàng)新互聯公司！從網頁設計、網站建設、微信開發(fā)、APP開發(fā)、響應式網站設計等網站項目制作，到程序開發(fā)，運營維護。創(chuàng)新互聯公司從2013年開始到現在10年的時間，我們擁有了豐富的建站經驗和運維經驗，來保證我們的工作的順利進行。專注于網站建設就選創(chuàng)新互聯公司。

另外有需要云服務器可以了解下創(chuàng)新互聯scvps.cn，海內外云服務器15元起步，三天無理由+7*72小時售后在線，公司持有idc許可證，提供“云服務器、裸金屬服務器、高防服務器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應用場景需求。

網站欄目：怎樣入門python爬蟲？-創(chuàng)新互聯
文章位置：http://weahome.cn/article/deedeh.html