标签：htm storage 项目 name art 构建 tao target 用户
以一淘搜索的crawler为核心展开的分析到此基本结束了，除了django和mysql部分没有涉及，其它部分都进行了test，尤其是围绕crawler，所展开的分析和实现主要有：
使用scrapy+redis实现，用到了scrapy+scrapy-redis。关于自己相关代码也在fork的repo做了探索与实现。
使用scrapy+webkit+jswebkit+gtk。用到了scrapyjs,但是这是一种非异步阻塞的方式，其它可选splash.
-----------------------------------------------------------------------------------------
今天下午又研究了下scrapy抓取js内容，发现了scrapy+selenium的解决方案，而selenium提供了丰富的api去模拟用户的行为，这样js rendered content的获取就不再话下了。
相关的资料放在收藏夹中。
其实不论是哪种方式，核心都是模拟浏览器和用户的行为。
实现了两个可重用组件proxy.py和useragentmiddle.py放在了blog-crawler中。
其它关于crawler的研究有的放在了Scrapy专栏中。
主要是对开源框架、项目的学习与深入。怎样根据这些东西定制自己需要实现的功能，怎样在开源项目没有直观example的情况下分析实现自己的example。另外还有很实用的照葫芦画瓢的能力。
最核心的是认真分析doc，从而实现。
定向抓取漫谈
快速构建实时抓取集群
一淘网offline系统简介
一淘网技术简介
Redis内存存储结构分析
淘宝摘星-爬虫（在shareslide上，需FQ）
转载自：http://blog.csdn.net/u012150179/article/details/38227079#t1
标签：htm storage 项目 name art 构建 tao target 用户
原文地址：http://www.cnblogs.com/lmsj/p/6504788.html
