如果你正在學(xué)習編程，那么“爬蟲”絕對是你不可忽視的。那么，學(xué)習python爬蟲之前需要哪些準備？

• 一顆熱愛學(xué)習，不屈不撓的心

• 一臺有鍵盤的電腦（什么系統(tǒng)都行。我用的os x，所以例子會以這個為準）

• html相關(guān)的一些知識。不需要精通，能懂一點就行

• Python的基礎(chǔ)語法知識 。

[[228760]]

當這些你都具備了，這個時候你需要學(xué)習：

0.基本的爬蟲工作原理

1.基本的http抓取工具：scrapy

2.Bloom Filter: Bloom Filters by Example

3.如果需要大規(guī)模網(wǎng)頁抓取，你需要學(xué)習分布式爬蟲的概念。簡單來說，你只要學(xué)會怎樣維護一個所有集群機器能夠有效分享的分布式隊列就好。最簡單的實現(xiàn)是python-rq: https://github.com/nvie/rq

4.rq和Scrapy的結(jié)合：darkrho/scrapy-redis · GitHub

5.后續(xù)處理：網(wǎng)頁析取(grangier/python-goose · GitHub)，存儲(Mongodb)

[[228761]]

python的火，很大原因就是各種好用的模塊，這些模塊是居家旅行爬網(wǎng)站常備的——

*** F12 開發(fā)者工具

• 看源代碼：快速定位元素

• 分析xpath：1、此處建議谷歌系瀏覽器,可以在源碼界面直接右鍵看

NO.2 抓包工具

• 推薦httpfox，火狐瀏覽器下的插件,比谷歌火狐系自帶的F12工具都要好，可以方便查看網(wǎng)站收包發(fā)包的信息

NO.3 XPATH CHECKER (火狐插件）

[[228762]]

非常不錯的xpath測試工具，不過也有幾個小缺點，：

1. xpath checker生成的是絕對路徑，遇到一些動態(tài)生成的圖標（常見的有列表翻頁按鈕等），飄忽不定的絕對路徑很有可能造成錯誤，所以這里建議在真正分析的時候，只是作為參考

2. 記得把如下圖xpath框里的“x:”去掉，貌似這個是早期版本xpath的語法，目前已經(jīng)和一些模塊不兼容（比如scrapy），還是刪去避免報錯。

NO.4 正則表達測試工具

在線正則表達式測試 ，拿來多練練手，也輔助分析！里面有很多現(xiàn)成的正則表達式可以用，也可以進行參考！