python分布式爬虫搭建开发环境（二）

标签：开发环境   path   字母   sele   style   正则表达   十倍   css   erb   

scrapy 优势：

1. resquests和Beautifulsoup都是库，scrapy是框架
2. scrapy框架可以加入前两项
3. scrapy基于twisted，性能是最大的优势
4. scrapy方便扩展，提供很多内置功能
5. 内置的css和xpath selector非常方便，比Beautifulsoup快几十倍

常见类型网页：静态网页 动态网页 、 webserbice（restapi）

正则表达式： 

1.  ^   以xx开头   $  以xx结尾   *  0次以及以上 ？ 1次及以上  + 一次及以上 {} n次 {m，}  m次以上 {m，n}  n次m  |  或
2. [] 或   [^]  不是这个开头   [a-z]  a-z任意选一个  .
3. \s  空格字符 \S  飞空格字符 \w 字母  \W  非字母
4. [\u4e00-\u9FA5] 中文  ()  取括号也表示优先级和元祖  \d  数字 

python分布式爬虫搭建开发环境（二）

标签：开发环境   path   字母   sele   style   正则表达   十倍   css   erb   

原文地址：http://www.cnblogs.com/Mjonj/p/7637080.html