Loading... 那什么是事儿呢？ 1 限制ip 用requests代理，买代理，或者网上免费代理 2 伪装成浏览器 requests切换user agent 3 先登录，保存cookies requests用session先post拿到cookies，再爬 4 URL参数太多，不明白什么意思 webdriver和phantomjs 5 JavaScript和ajax问题 浏览器f12分析请求规律，直接requests请求。或者用webdriver和phantomjs，如果用scrapy的话，用scrapyjs 6 爬的太慢 多线程，别说gil，一般是网络io慢，cpu等io 7 还是慢 scrapy异步（做过几个项目了，挺好用的），pyspider（这个支持Python3） 8 还是慢 分布式（暂时还没涉及），redis，scrapyd 9 验证码 对不起，帮不了你。简单的可以pil，灰度二值化切割识别 10 如果你想自己实现异步请求的话 grequests不错 ## 关于scripy 还是 request+bs4 个人建议还是<b>先使用scrapy快速上手</b>写几个爬虫出来，再学习使用requests+bs4自己写爬虫。 </p><p>原因如下： <br>1、学习一个新东西，首先是先用起来，然后在使用中发现问题，再究其原理，才能深入学习；<br> 2、scrapy不管是否支持python3，如果想学习爬虫原理，都无碍的，因为学习思想最重要； 3、scrapy封装了爬虫的一些核心组件，而且上手简单，如果想以后自己写爬虫框架，它的实现思路还是很值得借鉴的；</p><p>等你用scrapy写出几个爬虫抓几个网站后，这基本算是入门了。</p><p>等你要抓的网站非常多时，就会遇到几个问题：</p><p><b>1、一些网站开始防抓，IP被封？</b><br>随机User-Agent，随机代理，开始用到scrapy的插件。 </p><p><b>2、网页太多，抓的太慢，scrapy默认是不支持分布式的，怎么实现分布式？</b><br>一些分布式的插件就会用起来，例如scrapy-redis。</p><p><b>3、网页越来越多，会不会抓重复？</b><br>哦，原来不会重复抓。看一看scrapy源码，基于url指纹过滤重复的。啊，过滤规则自己可以替换，不错！</p><p><b>4、网站如何深度抓取，如何广度抓取？</b><br>看一看scrapy源码，哦，原来通过实现了栈和队列改变任务的入队顺序，结合配置来控制。</p><p>如果你有足够的兴趣和耐心，有没有发现，从开始使用它，慢慢地你开始关注scrapy的是如何实现了，继续深入源码，你就会发现它的<b>实现思想很巧妙</b>，代码结构<b>低耦合</b>，<b>插件威力</b>巨大！</p><p>好了，下一步你就可以构建自己的爬虫框架了。</p><p><b>为什么要自己写？</b></p><p><b>1、觉得scrapy很多功能用不到？自己喜欢造轮子？</b><br>理解了它的原理，自己精简写一个，还不容易？</p><p><b>2、觉得scrapy的一些功能没有实现？</b><br>例如，如何实现增量抓取？如何基于数据库的任务调度和数据存储？如何分布式抓取？如何做可视化监控？</p><p><b>3、平时很常用的scrapy插件，太多，太散？</b><br>自己封装常用插件、形成组件化，快速配置。</p><p>其实这每一步都是<b>学习、思考、再学习</b>的过程，从<b>使用框架、学习框架、到自己写框架</b>，并不是那么难。 © 允许规范转载