用python 写网络爬虫--零基础

Posted 2020-10-09

在爬取网站之前，要做以下几项工作

 

1.下载并检查 网站的robots.txt文件 ，让爬虫了解该网站爬取时有哪些限制。

2.检查网站地图 

 

3.估算网站大小

利用百度或者谷歌搜索 Site:example.webscraping.com

 

结果如下  

找到相关结果数约5个

 

数字为估算值。网站管理员如需了解更准确的索引量

 

 

4.识别网站所使用的技术

使用python 中的builtwith 模块

下载地址

https://pypi.python.org/pypi/python-builtwith

 

运行  pip install builtuith

 

安装完成后 使用命令

 

Import builtwith

Builtwith.parse(‘http://example.webscraping.com’)