不踩坑的Python爬虫：如何在一个月内学会爬取大规模数据

不踩坑的Python 爬虫：如何在一个月内学会爬取大规模数

如果你仔细观察，就不难发现，懂爬虫、学习爬虫的人

越来越多，一方面，互联网可以获取的数据越来越多，另方面，像Python 这样的编程语言提供越来越多的优秀工具，让爬虫变得简单、容易上手。利用爬虫我们可以获取大量的价值数据，从而获得感性认识中不能得到的信息，比如：知乎：爬取优质答案，为你筛选出各话题下最优质的内容。

淘宝、京东：抓取商品、评论及销量数据，对各种商品及用户的消费场景进行分析。安居客、链家：抓取房产买卖及租售信息，分析房价变化趋势、做不同区域的房价分析。拉勾网、智联：爬取各类职位信息，分析各行业人才需求情况及薪资水平。雪球网：抓取雪球高回报用户的行为，对股票市场进行分析和预测。爬虫是入门Python 最好的方式，没有之一。Python有很多应用的方向，比如后台开发、web开发、科学计算等等，但爬虫对于初学者而言更友好，原理简单，几行代码就能实现基本的爬虫，学习的过程更加平滑，你能体会更大的成就感。

掌握基本的爬虫后，你再去学习Python 数据分析、web 开发甚至机器学习，都会更得心应手。因为这个过程中，Python

基本语法、库的使用，以及如何查找文档你都非常熟悉了。

对于小白来说，爬虫可能是一件非常复杂、技术门槛很高的事情。比如有人认为学爬虫必须精通Python ，然后哼哧哼哧系统学习Python 的每个知识点，很久之后发现仍然爬不了数据；有的人则认为先要掌握网页的知识，遂开始

HTML\CSS ，结果入了前端的坑，瘁但掌握正确的方法，在短时间内做到能够爬取主流网站的数据，其实非常容易实现，但建议你从一开始就要有一个具体的目标。

在目标的驱动下，你的学习才会更加精准和高效。那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。这里给你一条

平滑的、零基础快速入门的学习路径。1.

学习Python 包并实现基本的爬虫过程2. 了解非结构化数据的存储3. 学习scrapy ，搭建工程化爬虫4.学习数据库知识，

应对大规模数据存储与提取5.掌握各种技巧，应对特殊网站的反爬措施6. 分布式爬虫，实现大规模并发采集，提升效率

- ? - 学习Python 包并实现基本的爬虫过程大部分爬虫都是按“发送请求——获得页面——解析页面——抽取并储存内容”这样的流程来进行，这其实也是模拟了我们使用浏览器获取网页信息的过程。

Python 中爬虫相关的包很多：urllib 、requests 、bs4 、scrapy 、

pyspider 等，建议从requests+Xpath 开始，requests 负责连接网站，返回网页，Xpath 用于解析网页，便于抽取数据。

如果你用过BeautifulSoup ，会发现Xpath 要省事不少，层一层检查元素代码的工作，全都省略了。这样下来基本套路都差不多，一般的静态网站根本不在话下，豆瓣、糗事百科、腾讯新闻等基本上都可以上手了。

当然如果你需要爬取异步加载的网站，可以学习浏览器抓包分析真实请求或者学习Selenium 来实现自动化，这样，知乎、时光网、猫途鹰这些动态的网站也可以迎刃而解。

了解非结构化数据的存储爬回来的数据可以直接用文档形式存在本地，也可以存入数据库中。

开始数据量不大的时候，你可以直接通过Python 的语法或

pandas 的方法将数据存为csv 这样的文件。

当然你可能发现爬回来的数据并不是干净的，可能会有缺失、错误等等，你还需要对数据进行清洗，可以学习pandas 包的基本用法来做数据的预处理，得到更干净的数据。

习scrapy ，搭建工程化的爬虫掌握前面的技术一般量级的数据和代码基本没有问题了，但是在遇到非常复杂的情况，可能仍然会力不从心，这个时候，强大的scrapy 框架就非常有用了。

scrapy 是一个功能非常强大的爬虫框架，它不仅能便捷地构建request ，还有强大的selector 能够方便地解析

response ，然而它最让人惊喜的还是它超高的性能，让你可

以将爬虫工程化、模块化。

学会scrapy ，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。- ? -学习数据库基础，应对大规模

数据存储爬回来的数据量小的时候，你可以用文档的形式来存储，

旦数据量大了，这就有点行不通了。所以掌握一种数据库是必须的，学习目前比较主流的MongoDB 就OK 。

MongoDB 可以方便你去存储一些非结构化的数据，比如各

种评论的文本，图片的链接等等。你也可以利用PyMongo ，

更方便地在Python 中操作MongoDB 。

因为这里要用到的数据库知识其实非常简单，主要是数据如

何入库、如何进行提取，在需要的时候再学习就行。- ? -掌

握各种技巧，应对特殊网站的反爬措施

当然，爬虫过程中也会经历一些绝望啊，比如被网站封IP、

比如各种奇怪的验证码、userAgent 访问限制、各种动态加载等等。

遇到这些反爬虫的手段，当然还需要一些高级的技巧来应对，常规的比如访问频率控制、使用代理IP 池、抓包、验证码的

OCR 处理等等。

往往网站在高效开发和反爬虫之间会偏向前者，这也为爬虫提供了空间，掌握这些应对反爬虫的技巧，绝大部分的网站已经难不到你了。- ? - 分布式爬虫，实现大规模并发采集爬取基本数据已经不是问题了，你的瓶颈会集中到爬取海量数据的效率。这个时候，相信你会很自然地接触到一个很厉害的名字：分布式爬虫。

分布式这个东西，听起来很恐怖，但其实就是利用多线程的原理让多个爬虫同时工作，需要你掌握Scrapy + MongoDB + Redis 这三

种工具。

Scrapy 前面我们说过了，用于做基本的页面爬取，

MongoDB 用于存储爬取的数据，Redis 则用来存储要爬取的网页队列，也就是任务队列。

所以有些东西看起来很吓人，但其实分解开来，也不过如此。

当你能够写分布式的爬虫的时候，那么你可以去尝试打造些基本的爬虫架构了，实现一些更加自动化的数据获取。你看，这一条学习路径下来，你已然可以成为老司机了，非常的顺畅。所以在一开始的时候，尽量不要系统地去啃一些东西，找一个实际的项目（开始可以从豆瓣、小猪这种简单的入手），直接开始就好。因为爬虫这种技术，既不需要你系统地精通一门语言，也不需要多么高深的数据库技术，高效的姿势就是从实际的项目中去学习这些零散的知识点，你能保证每次学到的都是最需要的那部分。

当然唯一麻烦的是，在具体的问题中，如何找到具体需要的那部分学习资源、如何筛选和甄别，是很多初学者面临的个大问题。