简单爬虫学习记录
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了简单爬虫学习记录相关的知识,希望对你有一定的参考价值。
- 实现思路解析:
爬虫调度器:启动/停止爬虫,规定爬虫的范围;
URL管理器:管理2个URL:新的没有爬过的urls;旧的爬过的urls;
URL下载器:下载url对应的html数据;
HTML解析器:解析并过滤下载到的html数据;
数据输出器:把解析过滤后的数据,按一定的格式存储到对应的文件中。
以上是关于简单爬虫学习记录的主要内容,如果未能解决你的问题,请参考以下文章