共计 1678 个字符，预计需要花费 5 分钟才能阅读完成。
实现爬虫技术的编程环境有很多种，Java、Python、C++ 等都能够用来爬虫。但很多人抉择 Python 来写爬虫，为什么呢？因为 Python 的确很适宜做爬虫，丰盛的第三方库非常弱小，简略几行代码便可实现你想要的性能。更重要的，Python 也是数据挖掘和剖析的好能手。那么，Python 爬虫个别用什么框架比拟好？
一般来讲，只有在遇到比拟大型的需要时，才会应用 Python 爬虫框架。这样的做的次要目标，是为了方便管理以及扩大。本文我将向大家举荐十个 Python 爬虫框架。
1、Scrapy：Scrapy 是一个为了爬取网站数据，提取结构性数据而编写的利用框架。能够利用在包含数据挖掘，信息处理或存储历史数据等一系列的程序中。它是很弱小的爬虫框架，能够满足简略的页面爬取，比方能够明确获知 url pattern 的状况。用这个框架能够轻松爬下来如亚马逊商品信息之类的数据。然而对于略微简单一点的页面，如 weibo 的页面信息，这个框架就满足不了需要了。它的个性有：HTML, XML 源数据 抉择及提取 的内置反对；提供了一系列在 spider 之间共享的可复用的过滤器 (即 Item Loaders)，对智能解决爬取数据提供了内置反对。
2、Crawley：高速爬取对应网站的内容，反对关系和非关系数据库，数据能够导出为 JSON、XML 等。
3、Portia：是一个开源可视化爬虫工具，可让使用者在不须要任何编程常识的状况下爬取网站！简略地正文本人感兴趣的页面，Portia 将创立一个蜘蛛来从相似的页面提取数据。简略来讲，它是基于 scrapy 内核；可视化爬取内容，不须要任何开发专业知识；动静匹配雷同模板的内容。
4、newspaper：能够用来提取新闻、文章和内容分析。应用多线程，反对 10 多种语言等。作者从 requests 库的简洁与弱小失去灵感，应用 Python 开发的可用于提取文章内容的程序。反对 10 多种语言并且所有的都是 unicode 编码。
5、Python-goose：Java 写的文章提取工具。Python-goose 框架可提取的信息包含：文章主体内容、文章次要图片、文章中嵌入的任何 Youtube/Vimeo 视频、元形容、元标签。
6、Beautiful Soup：名气大，整合了一些罕用爬虫需要。它是一个能够从 HTML 或 XML 文件中提取数据的 Python 库。它可能通过你喜爱的转换器实现习用的文档导航, 查找, 批改文档的形式.Beautiful Soup 会帮你节俭数小时甚至数天的工作工夫。Beautiful Soup 的毛病是不能加载 JS。
7、mechanize：它的长处是能够加载 JS。当然它也有毛病，比方文档重大缺失。不过通过官网的 example 以及人肉尝试的办法，还是勉强能用的。
8、selenium：这是一个调用浏览器的 driver，通过这个库你能够间接调用浏览器实现某些操作，比方输出验证码。Selenium 是自动化测试工具，它反对各种浏览器，包含 Chrome，Safari，Firefox 等支流界面式浏览器，如果在这些浏览器外面装置一个 Selenium 的插件，能够不便地实现 Web 界面的测试. Selenium 反对浏览器驱动。Selenium 反对多种语言开发，比方 Java，C，Ruby 等等，PhantomJS 用来渲染解析 JS，Selenium 用来驱动以及与 Python 的对接，Python 进行前期的解决。
9、cola：是一个分布式的爬虫框架，对于用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。工作会主动调配到多台机器上，整个过程对用户是通明的。我的项目整体设计有点糟，模块间耦合度较高。
10、PySpider：一个国人编写的弱小的网络爬虫零碎并带有弱小的 WebUI。采纳 Python 语言编写，分布式架构，反对多种数据库后端，弱小的 WebUI 反对脚本编辑器，工作监视器，我的项目管理器以及后果查看器。Python 脚本管制，能够用任何你喜爱的 html 解析包。
以上就是我分享的 Python 爬虫个别用的十大支流框架。如果对您有帮忙的话吗，麻烦点个关注再走喔~ 谢谢浏览。
