在线时间:8:00-16:00
迪恩网络APP
随时随地掌握行业动态
扫描二维码
关注迪恩网络微信公众号
开源软件名称:baike_spider开源软件地址:https://gitee.com/null_445_0302/baike_spider开源软件介绍:#spider_main.py---爬虫调度端:启动爬虫,停止爬虫,监视爬虫运行情况 #url_manager.py---URL管理器:对将要爬取的和已经爬取过的URL进行管理;可取出带爬取的URL,将其传送给“网页下载器” #html_downloader.py---网页下载器:将URL指定的网页下载,存储成一个字符串,在传送给“网页解析器” #html_parser.py---网页解析器:解析网页可解析出①有价值的数据②另一方面,每个网页都包含有指向其他网页的URL,解析出来后可补充进“URL管理器” #html_outputer.py---网页输出器:从网页解析器分析拿到的数据和url,按照编码好的格式以html的形式展示出来 #python3.6#windows8 #run:运行调度端(spider_main.py)里的SpiderMain()方法,等到爬虫爬取完后,刷新项目,会在里面生成一个output.html和output.md文件,这是最终需要的文件 #该爬虫是在python3.6环境下开发的,需要注意的是,内部一些方法和包和python2.7有所不同。 |
请发表评论