Python爬虫程序架构和运行的示例分析-创新互联

小编给大家分享一下Python爬虫程序架构和运行的示例分析,希望大家阅读完这篇文章之后都有所收获,下面让我们一起去探讨吧!

目前成都创新互联已为上千的企业提供了网站建设、域名、网络空间、网站托管、企业网站设计、武安网站维护等服务,公司将坚持客户导向、应用为本的策略,正道将秉承"和谐、参与、激情"的文化,与客户和合作伙伴齐心协力一起成长,共同发展。

1 前言

Python开发网络爬虫获取网页数据的基本流程为:

发起请求

通过URL向服务器发起request请求,请求可以包含额外的header信息。

获取响应内容

服务器正常响应,将会收到一个response,即为所请求的网页内容,或许包含HTML,Json字符串或者二进制的数据(视频、图片)等。

解析内容

如果是HTML代码,则可以使用网页解析器进行解析,如果是Json数据,则可以转换成Json对象进行解析,如果是二进制的数据,则可以保存到文件做进一步处理。

保存数据

可以保存到本地文件,也可以保存到数据库(MySQL,Redis,MongoDB等)。

Python爬虫程序架构和运行的示例分析

2 爬虫程序架构及运行流程

Python爬虫程序架构和运行的示例分析

网络爬虫程序框架主要包括以下五大模块:

  • 爬虫调度器

  • URL管理器

  • HTML下载器

  • HTML解析器

  • 数据存储器

五大模块功能如下所示:

  • 爬虫调度器:主要负责统筹其它四个模块的协调工作。

  • URL管理器:负责管理URL链接,维护已经爬取的URL集合和未爬取的URL集合,提供获取新URL链接的接口。

  • HTML下载器:用于从URL管理器中获取未爬取的URL链接并下载HTML网页。

  • HTML解析器:用于从HTML下载器中获取已经下载的HTML网页,并从中解析出新的URL链接交给URL管理器,解析出有效数据交给数据存储器。

  • 数据存储器:用于将HTML解析器解析出来的数据通过文件或者数据库的形式存储起来。

网络爬虫程序框架的动态运行流程如下所示:

Python爬虫程序架构和运行的示例分析

看完了这篇文章,相信你对“Python爬虫程序架构和运行的示例分析”有了一定的了解,如果想了解更多相关知识,欢迎关注创新互联行业资讯频道,感谢各位的阅读!


分享题目:Python爬虫程序架构和运行的示例分析-创新互联
网页地址:http://myzitong.com/article/ddsdde.html