您现在的位置是:Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款 >
02 youtube軟件下載網站源碼帶網絡驗證(開源爬蟲框架各有什么優缺點?)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款2024-06-23 05:39:59【】5人已围观
简介>JAVA單機爬蟲:Crawler4j,WebMagic,WebCollector非JAVA單機爬蟲:scrapy第一類:分布式爬蟲優點:海量URL管理網速快缺點:Nutch是為搜索引擎設計的爬蟲,大
非JAVA單機爬蟲:scrapy
第一類:分布式爬蟲優點:海量URL管理
網速快
缺點:Nutch是為搜索引擎設計的爬蟲,大多數用戶是需要一個做精準數據爬取(精抽取)的爬蟲。Nutch運行的一套流程里,有三分之二是為了搜索引擎而設計的。對精抽取沒有太大的意義。
用Nutch做數據抽取,會浪費很多的時間在不必要的計算上。而且如果你試圖通過對Nutch進行二次開發,來使得它適用于精抽取的業務,基本上就要破壞Nutch的框架,把Nutch改的面目全非。
Nutch依賴hadoop運行,hadoop本身會消耗很多的時間。如果集群機器數量較少,爬取速度反而不如單機爬蟲。
Nutch雖然有一套插件機制,而且作為亮點宣傳。可以看到一些開源的Nutch插件,提供精抽取的功能。但是開發過Nutch插件的人都知道,Nutch的插件系統有多蹩腳。利用反射的機制來加載和調用插件,使得程序的編寫和調試都變得異常困難,更別說在上面開發一套復雜的精抽取系統了。
Nutch并沒有為精抽取提供相應的插件掛載點。Nutch的插件有只有五六個掛載點,而這五六個掛載點都是為了搜索引擎服務的,并沒有為精抽取提供掛載點。大多數Nutch的精抽取插件,都是掛載在“頁面解析”(parser)這個掛載點的,這個掛載點其實是為了解析鏈接(為后續爬取提供URL),以及為搜索引擎提供一些易抽取的網頁信息(網頁的meta信息、text)
用Nutch進行爬蟲的二次開發,爬蟲的編寫和調試所需的時間,往往是單機爬蟲所需的十倍時間不止。了解Nutch源碼的學習成本很高,何況是要讓一個團隊的人都讀懂Nutch源碼。調試過程中會出現除程序本身之外的各種問題(hadoop的問題、hbase的問題)。
Nutch2的版本目前并不適合開發。官方現在穩定的Nutch版本是nutch2.2.1,但是這個版本綁定了gora-0.3。Nutch2.3之前、Nutch2.2.1之后的一個版本,這個版本在官方的SVN中不斷更新。而且非常不穩定(一直在修改)。
第二類:JAVA單機爬蟲優點:支持多線程。
支持代理。
能過濾重復URL的。
負責遍歷網站和下載頁面。爬js生成的信息和網頁信息抽取模塊有關,往往需要通過模擬瀏覽器(買粉絲unit,selenium)來完成。
缺點:設計模式對軟件開發沒有指導性作用。用設計模式來設計爬蟲,只會使得爬蟲的設計更加臃腫。第三類:非JAVA單機爬蟲優點:先說python爬蟲,python可以用30行代碼,完成JAVA
50行代碼干的任務。python寫代碼的確快,但是在調試代碼的階段,python代碼的調試往往會耗費遠遠多于編碼階段省下的時間。
使用python開發,要保證程序的正確性和穩定性,就需要寫更多的測試模塊。當然如果爬取規模不大、爬取業務不復雜,使用scrapy這種爬蟲也是蠻不錯的,可以輕松完成爬取任務。
缺點:bug較多,不穩定。
學Python能干什么?
Python可以做什么?
1)網站后端程序員:使用它單間網站,后臺服務比較容易維護。如:Gmail、Youtube、知乎、豆瓣
2)自動化運維:自動化處理大量的運維任務
3)數據分析師:快速開發快速驗證,分析數據得到結果
4)游戲開發者:一般是作為游戲腳本內嵌在游戲中
5)自動化測試:編寫為簡單的實現腳本,運用在Selenium/lr中,實現自動化。
6)網站開發:借助django,flask框架自己搭建網站。
7)爬蟲獲取或處理大量信息:批量下載美劇、運行投資策略、爬合適房源、系統管理員的腳本任務等。
很赞哦!(455)
相关文章
- 03 碧桂園海外債規模(碧桂園負債率多少 2022)
- 09 校園巡邏買粉絲內容(有關于校園法律知識出一期手抄報,都該寫些什么內容?)
- 03 社交媒體對大學生旅游消費的影響分析(大學生的消費調查報告)
- 09 新形勢下國際經濟與貿易的發展趨勢前言(淺論新形勢下國際經濟與貿易的發展趨勢)
- 09 杭州德章貿易有限公司(首旅主政 達芬奇家居褪去創始人烙印)
- 03 社交媒體是一把雙刃劍翻譯(問幾個問題)
- 03 社交媒體對生活的影響英語(社交媒體對我們生活的影響英語對話)
- 03 直播帶貨培訓班口號(2020什么創業項目最好)
- 09 江陰嘉祥貿易有限公司(辦質量管理體系認證證書)
- 03 石獅市場采購貿易方式試點(福建石獅市主要以發展什么產業為主?)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款的名片
职业:程序员,设计师
现居:天津市河西河西区
工作室:小组
Email:[email protected]