一个要求很简单的爬虫，有没有相关的开源程序推荐？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 3533 天前的主题，其中的信息可能已经有所发展或是发生改变。

＃需求
- 指定某一个网站host
- 抽取该网站的网页URL，暂定抽取上限10000条（针对门户）；不满足的抽取5000条；否则全量抽取
- 只保存爬取的URL地址，不需要抽取任何内容，结果保存在txt文件中。
- 速度越快越好

谢谢

第 1 条附言 · 2015-03-13 17:50:25 +08:00

谢谢各位。
调研和尝试了下，用requests＋bs4非常适合我的需求。

9 条回复 • 2015-03-14 10:30:29 +08:00

kchum

2015-03-13 11:35:59 +08:00 via iPhone

不爬内容怎么爬 URL
URL 就是内容的一部分

binux

2015-03-13 11:41:08 +08:00

google site:host

xiaogui

2015-03-13 12:47:35 +08:00

@binux 这是个不错办法，哈哈

MrGba2z

2015-03-13 13:30:17 +08:00 via iPhone

icedx

2015-03-13 13:36:29 +08:00 via Android

requests+bs4

frankzeng

2015-03-13 13:49:41 +08:00

你就爬一下首页，把url取下来，算一下不重复的有多少，如果不够就再爬url，这不是挺简单的逻辑吗

Battle

2015-03-13 14:32:16 +08:00

有一个东西叫火车头

bingu

2015-03-13 14:41:56 +08:00

wget ？

Tink

2015-03-14 10:30:29 +08:00 via iPhone

二楼这个办法不错，主要是ip的问题