用python写网络爬虫 -从零开始 2 编写网站地图爬虫

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用python写网络爬虫 -从零开始 2 编写网站地图爬虫相关的知识,希望对你有一定的参考价值。

一般网站都会有robots.txt文件,在这个文件规定了允许网络爬虫访问的目录,也规定了禁止爬虫访问的目录。
要重视这个文件的原因是,访问了禁止目录,会被禁止你的ip地址访问

以下定义了一个网站地图爬虫,


 


def crawl_sitemap(url):
# download the sitemap file
sitemap = download(url)
# extract the sitemap links
links = re.findall(‘<loc>(.*?)</loc>‘, sitemap)
# download each link
for link in links:
html = download(link)
# scrape html here
# ...











以上是关于用python写网络爬虫 -从零开始 2 编写网站地图爬虫的主要内容,如果未能解决你的问题,请参考以下文章

怎么用python编写以下要求的程序?

用python零基础写爬虫--编写第一个网络爬虫

用python 写网络爬虫--零基础

用python写爬虫都有哪些框架?

怎么在DOS下用C语言写网络爬虫

使用Python编写简单网络爬虫抓取视频下载资源