推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2248 天前的主题，其中的信息可能已经有所发展或是发生改变。
学校要求的项目是从猫眼和豆瓣上抓取 2015 年至今的电影信息，爬取数据需包含但不限于电影名，电影题材，电影演员，电影导演，当前累计票房，上映时间。
而且要求“数据爬取功能需满足登录用户在系统中输入一段时间，系统能够将时间段内爬取返还给用户”。
需要用分布式爬虫吗？我是第一次接触 python 爬虫。不知道如何解决这些问题。
 |
1
raycool 2018-09-27 19:51:14 +08:00  1
github 上找下，这个肯定有类似现成的轮子。
|
 |
2
ClutchBear 2018-09-27 20:32:34 +08:00 1
豆瓣有 api
猫眼的关键数据用字体加密的. |
 |
3
xiaozizayang 2018-09-28 09:18:22 +08:00 1
先爬数据再处理给用户返回，比如时间段
 ) |
 |
4
locoz 2018-09-29 11:32:00 +08:00 1
看了一下，猫眼的票房是有做字体加密的，如果是第一次写爬虫的话可能有点难度；豆瓣是入门级，无难度随便爬。
“数据爬取功能需满足登录用户在系统中输入一段时间，系统能够将时间段内爬取返还给用户”这个需求的实现可以有两种方式： 1、数据实时性要求较高的 接口得到用户输入的时间段参数后再去爬，爬完格式化好了返回，缺点是速度可能较慢、容易触发反爬。 2、数据实时性要求不那么高的 爬虫和接口分开，爬虫每隔一段时间爬一次数据并存到数据库，接口得到时间段参数之后去查数据库就行了 量少没必要分布式，拿 requests 写都行 |
 |
5
wc110302 2018-09-29 17:47:15 +08:00
自学，写了很多小网站爬虫，可以看一下 --> https://github.com/wc110302/My-spider
|
Select Language