一条高效的学习路径

　　一条高效的学习路径

　　「深度学习福利」大神带你进阶工程师，立即查看>>>

　　数据是创造和决策的原材料，高质量的数据都价值不菲。而借助爬虫，我们可以获取大量的价值数据，经剖析可以发挥巨大的价值，比如：

　　爬虫是入门Python最好的形式，没有之一。Python有很多应用的方向，比如后台开发、web开发、科学估算等等，但爬虫对于初学者而言更友好，原理简单，几行代码能够实现基本的爬虫，学习的过程愈发平滑，你能感受更大的成就感。

　　掌握基本的爬虫后，你再去学习Python数据剖析、web开发甚至机器学习，都会更得心应手。因为这个过程中，Python基本句型、库的使用，以及怎样查找文档你都十分熟悉了。

　　对于小白来说，爬虫可能是一件十分复杂、技术门槛很高的事情。比如有的人则觉得先要把握网页的知识，遂开始 HTMLCSS，结果入了后端的坑，瘁……

　　但把握正确的方式，在短时间内做到才能爬取主流网站的数据，其实十分容易实现，但建议你从一开始就要有一个具体的目标。

　　在目标的驱动下，你的学习才能愈发精准和高效。那些所有你觉得必须的后置知识，都是可以在完成目标的过程小学到的。这里给你一条平滑的、零基础快速入门的学习路径。

　　学习 Python 包并实现基本的爬虫过程

　　大部分爬虫都是按“发送恳求——获得页面——解析页面——抽取并存储内容”这样的流程来进行，这或许也是模拟了我们使用浏览器获取网页信息的过程。

　　Python中爬虫相关的包好多：urllib、requests、bs4、scrapy、pyspider 等，建议从requests+Xpath 开始，requests 负责联接网站，返回网页，Xpath 用于解析网页，便于抽取数据。

　　如果你用过 BeautifulSoup，会发觉 Xpath 要省事不少，一层一层检测元素代码的工作，全都省略了。这样出来基本套路都差不多，一般的静态网站根本不在话下，豆瓣、糗事百科、腾讯新闻等基本上都可以上手了。

　　掌握各类方法，应对特殊网站的反爬举措

　　当然，爬虫过程中也会经历一些绝望啊，比如被网站封IP、比如各类奇怪的验证码、userAgent访问限制、各种动态加载等等。

　　遇到这种反爬虫的手段，当然还须要一些中级的方法来应对，常规的例如访问频度控制、使用代理IP池、抓包、验证码的OCR处理等等。

　　往往网站在高效开发和反爬虫之间会偏向后者，这也为爬虫提供了空间，掌握这种应对反爬虫的方法，绝大部分的网站已经难不到你了。

　　学习 scrapy，搭建工程化的爬虫

　　掌握后面的技术通常量级的数据和代码基本没有问题了，但是在碰到十分复杂的情况，可能一直会力不从心，这个时侯，强大的 scrapy 框架就十分有用了。

　　scrapy 是一个功能十分强悍的爬虫框架，它除了能方便地建立request，还有强悍的 selector 能够便捷地解析 response，然而它最使人惊喜的还是它超高的性能，让你可以将爬虫工程化、模块化。

　　学会 scrapy，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。

　　学习数据库基础，应对*敏*感*词*数据储存

　　爬回去的数据量小的时侯，你可以用文档的方式来储存，一旦数据量大了，这就有点行不通了。所以把握一种数据库是必须的，学习目前比较主流的 MongoDB 就OK。

　　MongoDB 可以便捷你去储存一些非结构化的数据，比如各类评论的文本，图片的链接等等。 你也可以借助PyMongo，更方便地在Python中操作MongoDB。

　　因为这儿要用到的数据库知识似乎十分简单，主要是数据怎么入库、如何进行提取，在须要的时侯再学习就行。

　　分布式爬虫，实现*敏*感*词*并发采集

　　爬取基本数据早已不是问题了，你的困局会集中到爬取海量数据的效率。这个时侯，相信你会很自然地接触到一个很厉害的名子：分布式爬虫。

　　分布式这个东西，听上去太惊悚，但毕竟就是借助多线程的原理使多个爬虫同时工作，需要你把握 Scrapy + MongoDB + Redis 这三种工具。

　　Scrapy 前面我们说过了，用于做基本的页面爬取，MongoDB 用于储存爬取的数据，Redis 则拿来储存要爬取的网页队列，也就是任务队列。

　　所以有些东西看起来太吓人，但毕竟分解开来，也不过如此。当你才能写分布式的爬虫的时侯，那么你可以去尝试构建一些基本的爬虫构架了，实现一些愈发自动化的数据获取。

　　推荐 ：申请即送：