python為什么叫爬蟲

作為一門編程語言而言，Python是純粹的自由軟件，以簡潔清晰的語法和強(qiáng)制使用空白符進(jìn)行語句縮進(jìn)的特點(diǎn)從而深受程序員的喜愛。舉一個(gè)例子：完成一個(gè)任務(wù)的話，c語言一共要寫1000行代碼，java要寫100行，而python則只需要寫20行的代碼。使用python來完成編程任務(wù)的話編寫的代碼量更少，代碼簡潔簡短可讀性更強(qiáng)，一個(gè)團(tuán)隊(duì)進(jìn)行開發(fā)的時(shí)候讀別人的代碼會(huì)更快，開發(fā)效率會(huì)更高，使工作變得更加高效。

這是一門非常適合開發(fā)網(wǎng)絡(luò)爬蟲的編程語言，而且相比于其他靜態(tài)編程語言，Python抓取網(wǎng)頁文檔的接口更簡潔;相比于其他動(dòng)態(tài)腳本語言，Python的urllib2包提供了較為完整的訪問網(wǎng)頁文檔的API。此外，python中有優(yōu)秀的第三方包可以高效實(shí)現(xiàn)網(wǎng)頁抓取，并可用極短的代碼完成網(wǎng)頁的標(biāo)簽過濾功能。

python爬蟲的構(gòu)架組成如下圖：

1、URL管理器：管理待爬取的url集合和已爬取的url集合，傳送待爬取的url給網(wǎng)頁下載器;

2、網(wǎng)頁下載器：爬取url對應(yīng)的網(wǎng)頁，存儲成字符串，傳送給網(wǎng)頁解析器;

3、網(wǎng)頁解析器：解析出有價(jià)值的數(shù)據(jù)，存儲下來，同時(shí)補(bǔ)充url到URL管理器。

而python的工作流程則如下圖：

（Python爬蟲通過URL管理器，判斷是否有待爬URL，如果有待爬URL，通過調(diào)度器進(jìn)行傳遞給下載器，下載URL內(nèi)容，并通過調(diào)度器傳送給解析器，解析URL內(nèi)容，并將價(jià)值數(shù)據(jù)和新URL列表通過調(diào)度器傳遞給應(yīng)用程序，并輸出價(jià)值信息的過程。）

Python是一門非常適合開發(fā)網(wǎng)絡(luò)爬蟲的編程語言，提供了如urllib、re、json、pyquery等模塊，同時(shí)又有很多成型框架，如Scrapy框架、PySpider爬蟲系統(tǒng)等，本身又是十分的簡潔方便所以是網(wǎng)絡(luò)爬蟲首選編程語言！