一般比价小型的爬虫需求，我是直接使用requests库 + bs4就解决了，再麻烦点就使用selenium解决js的异步 加载问题。相对比较大型的需求才使用框架，主要是便于管理以及扩展等。
1.Scrapy
Scrapy是一个为了爬取 站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。
特性：
在这里还是要推荐下我自己建的Python开发学习裙:304 零伍零 799，裙里都是学Python开发的，如果你正在学习Python ，小编欢迎你加入，大家都是软件开发党，不定期分享干货（只有Python软件开发相关的），包括我自己整理的一份2018最新的Python进阶资料和高级开发教程，欢迎进阶中和进想深入Python的小伙伴
快速入门
安装
pip install scrapy
创建项目
写爬虫
运行
scrapy crawl dmoz
这里就简单介绍一下，后面有时间详细写一些关于scrapy的文章，我的很多爬虫的数据都是scrapy基础上实现的。
2.PySpider
python 脚本控制，可以用任何你喜欢的html解析包（内置 pyquery）
WEB 界面编写调试脚本，起停脚本，监控执行状态，查看活动历史，获取结果产出
数据存储支持MySQL, MongoDB, Redis, SQLite, Elasticsearch; PostgreSQL 及 SQLAlchemy
示例
3.Crawley
Crawley可以高速爬取对应 站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等。
创建project
写Python爬虫逻辑
配置
运行
~$ crawley run
4.Portia
Portia是一个开源可视化爬虫工具，可让您在不需要任何编程知识的情况下爬取 站！简单地注释您感兴趣的页面，Portia将创建一个蜘蛛来从类似的页面提取数据。
5.Newspaper
支持10多种语言并且所有的都是unicode编码。
示例
6.Beautiful Soup
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。这个我是使用的特别频繁的。在获取html元素，都是bs4完成的。
示例：
7.Grab
Grab是一个用于构建Web刮板的Python框架。借助Grab，您可以构建各种复杂的 页抓取工具，从简单的5行脚本到处理数百万个 页的复杂异步 站抓取工具。Grab提供一个API用于执行 络请求和处理接收到的内容，例如与HTML文档的DOM树进行交互。
8.Cola
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。任务会自动分配到多台机器上，整个过程对用户是透明的。
案例
10 .Python-goose框架
Python-goose框架可提取的信息包括：
用法示例
文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树 络爬虫urllib208427 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！