mini_spider:在调研过程中,经常需要对一些网站进行定向抓取。由于python包含各种强大的库,使用python做定向抓取比较简单。请使用python开发一个迷你定向抓取器mini_spider.py,实现对种子链接的广度优先抓取,并把URL长相符合特定pattern的网页保存到磁盘上-源码

上传者: 42116650 | 上传时间: 2021-08-19 10:57:56 | 文件大小: 14KB | 文件类型: ZIP
#####使用python开发定向抓取器mini_spider.py,实现对种子链接的广度优先抓取,并把URL长相符合特定pattern的网页保存到磁盘上。 程序运行: python mini_spider.py -c spider.conf #####配置文件spider.conf: [spider] url_list_file: ./urls ; 种子文件路径 output_directory: ./output ; 抓取结果存储目录 max_depth: 1 ; 最大抓取深度(种子为0级) crawl_interval: 1 ; 抓取间隔. 单位: 秒 crawl_timeout: 1 ; 抓取超时. 单位: 秒 target_url: .*.(gif|png|jpg|bmp)$ ; 需要存储的目标网页URL pattern(正则表达式) thread_count: 8 ; 抓取线程

文件下载

资源详情

[{"title":"( 23 个子文件 14KB ) mini_spider:在调研过程中,经常需要对一些网站进行定向抓取。由于python包含各种强大的库,使用python做定向抓取比较简单。请使用python开发一个迷你定向抓取器mini_spider.py,实现对种子链接的广度优先抓取,并把URL长相符合特定pattern的网页保存到磁盘上-源码","children":[{"title":"mini_spider-master","children":[{"title":"mini_spider","children":[{"title":"spider.py <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"test","children":[{"title":"spider_conf <span style='color:#111;'> 423B </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"spiderengine_test.py <span style='color:#111;'> 1.17KB </span>","children":null,"spread":false},{"title":"UrlParse_test.py <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"urls <span style='color:#111;'> 26B </span>","children":null,"spread":false}],"spread":true},{"title":"__main__.py <span style='color:#111;'> 1.43KB </span>","children":null,"spread":false},{"title":"spider_conf <span style='color:#111;'> 423B </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"engine","children":[{"title":"UrlParse.py <span style='color:#111;'> 4.09KB </span>","children":null,"spread":false},{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"spider_thread.py <span style='color:#111;'> 2.77KB </span>","children":null,"spread":false},{"title":"SpiderEngine.py <span style='color:#111;'> 5.09KB </span>","children":null,"spread":false}],"spread":true},{"title":"log.py <span style='color:#111;'> 2.58KB </span>","children":null,"spread":false},{"title":"urls <span style='color:#111;'> 26B </span>","children":null,"spread":false}],"spread":true},{"title":".idea","children":[{"title":"scopes","children":[{"title":"scope_settings.xml <span style='color:#111;'> 139B </span>","children":null,"spread":false}],"spread":true},{"title":"mini_spider.iml <span style='color:#111;'> 379B </span>","children":null,"spread":false},{"title":"misc.xml <span style='color:#111;'> 212B </span>","children":null,"spread":false},{"title":"vcs.xml <span style='color:#111;'> 180B </span>","children":null,"spread":false},{"title":".name <span style='color:#111;'> 11B </span>","children":null,"spread":false},{"title":"modules.xml <span style='color:#111;'> 274B </span>","children":null,"spread":false},{"title":"encodings.xml <span style='color:#111;'> 164B </span>","children":null,"spread":false}],"spread":true},{"title":"README.md <span style='color:#111;'> 1.63KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

  • qq_34409134 :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-20
  • arui_vw :
    用户下载后在一定时间内未进行评价,系统默认好评。
    2021-08-06

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明