推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
这是一个创建于 2826 天前的主题，其中的信息可能已经有所发展或是发生改变。
第一篇： http://www.jianshu.com/p/11d7da95c3ca
这一系列文章不写复杂的爬虫，而是将复杂的爬虫涉及到的核心知识点写清楚
-
代理池（高匿）
-
多进程
-
正则表达式
-
数据库
-
selenuim
-
手机抓包
-
....
希望 V 友能提提建议，能投稿就更好了
第 1 条附言 · 2017-04-02 15:06:52 +08:00
第 2 条附言 · 2017-04-06 13:54:44 +08:00
这篇文章想不到点击了 4000 多次， 192 次收藏，谢谢大家关注。最近爬虫的更新会放缓，我要开始学习运营和机器学习相关知识了，还要开始找工作。
具体说明见： http://www.jianshu.com/p/07f0d5a44f64
（学习爬虫，只为了得到数据，我可不想玩转爬虫，我喜欢分析数据）
具体说明见： http://www.jianshu.com/p/07f0d5a44f64
（学习爬虫，只为了得到数据，我可不想玩转爬虫，我喜欢分析数据）
第 3 条附言 · 2017-04-06 13:58:20 +08:00
希望大家多多推荐机器学习和运营的资料，先谢啦，：）
第 4 条附言 · 2017-04-10 11:30:49 +08:00
更新了爬虫正则表达式一文
http://www.jianshu.com/p/b3bc88ffb251
http://www.jianshu.com/p/b3bc88ffb251
第 5 条附言 · 2017-05-01 16:51:09 +08:00
selenium 简单使用，beautifulsoup 始终 beautiful： http://www.jianshu.com/p/677eaa462b47
为了这篇文章服务：简书在 Twitter、豆瓣、微博上的活动(持续更新)： http://www.jianshu.com/p/8794dd040397
为了这篇文章服务：简书在 Twitter、豆瓣、微博上的活动(持续更新)： http://www.jianshu.com/p/8794dd040397
第 6 条附言 · 2017-05-21 17:51:29 +08:00
由于简书不支持目录，latex 语法，今天用 github + hexo + next 主题建了一个网站，以后所有的技术文章都会在这个网站写作
网址：zhouww.com
当然访问 duohappy.github.io 也行的
网址：zhouww.com
当然访问 duohappy.github.io 也行的
第 7 条附言 · 2017-09-15 18:57:43 +08:00
写完了，Python-爬虫总结，欢迎指正
 |
1
ansheng 2017-04-01 10:06:22 +08:00  5
要不看看[Python 全栈之路系列文章]( https://blog.ansheng.me/article/python-full-stack-way/)
|
 |
2
prasanta 2017-04-01 10:15:52 +08:00 1
一定要多图哟！
|
 |
5
ibegyourpardon 2017-04-01 10:32:53 +08:00 1
为啥选简书……
|
 |
6
wisefree OP @ibegyourpardon 不然选啥呢？我用 markdown 来写文章， github 有时候打开太慢，虽然我有 SS ，不是所有读者都用代理吧
|
 |
7
kutata 2017-04-01 10:41:35 +08:00 1
果断收藏！
|
 |
8
kancloud 2017-04-01 10:44:44 +08:00 1
给你一些资源文档 http://www.kancloud.cn/special/python 技术文档首选写作平台 不是盖的~
|
 |
11
whyishe 2017-04-01 11:03:08 +08:00 1
建议可以参考下崔庆才系列和路人甲系列，看看如何有些更深入浅出的表达和好玩的例子哈
|
 |
12
co3site 2017-04-01 11:09:30 +08:00 via Android 1
基础做完可以做些有针对性的爬虫
根据不同的场景和框架，发现这方面做得人很少。 已加书签，持续关注中 |
 |
14
paledream 2017-04-01 11:17:12 +08:00 1
支持
|
 |
17
thereisnowinter 2017-04-01 11:21:14 +08:00 1
已收藏，希望能写简单一点，让我们这些小白能够看懂。
|
|
18
wisefree OP @thereisnowinter 好的，我尽量哈，我以后的文章会放一些参考资料，：）
|
 |
19
BoBoy 2017-04-01 11:34:26 +08:00 via iPhone 1
666 ，正在学 python ，来的很及时，加油 LZ
|
 |
22
ykwlv 2017-04-01 11:53:44 +08:00 via Android 1
想看代理池的部分，什么时候更新呢？
|
|
25
wisefree OP @ansheng 我一直学的就是 Python3 ，虽然看了一些视频教程（ Python2 ），但是里面的代码我全部用 Python3 实现，：）
|
 |
29
xiaoke0718 2017-04-01 13:07:06 +08:00 via Android 1
你都会了 py 技术？
|
|
31
wisefree OP @xiaoke0718 我爬取过高考吧 200 多万条记录，用里上面写大部分技术，爬网易云课堂评论的时候用过 selenium
http://www.jianshu.com/p/8893973b279c 虽然代码写的不漂亮，但是能干活。 |
 |
32
xzpjerry731 2017-04-01 13:22:19 +08:00 1
能顺手同步到 github 上吗，感觉 github 看 md 文件挺好的
|
 |
34
anexplore 2017-04-01 13:26:55 +08:00 1
爬虫已经成功了程序员必备技能了
|
|
35
wisefree OP @xzpjerry731 谢谢提建议，暂时不打算到 github 维护文章，因为要写毕业论文，：（
|
 |
37
Or2 2017-04-01 14:37:14 +08:00 via Android 1
一定要来几个高级爬虫的例子！
|
|
38
wisefree OP @Or2 水到渠成的时候，可能会写的。如果把这些知识点写完，只要结合几个知识点，那么就可以写出高级爬虫的例子了，：）
|
 |
39
cheese 2017-04-01 16:02:30 +08:00 1
思考题一有个错别字，网页写成了网易
|
|
40
wisefree OP @cheese 已经更正，文章第一行有更新信息，加了你的 V2EX 主页链接，如果可能对你造成影响，请告诉我，我立即清除
|
哈哈哈，没想到还有这个待遇，不过链接还是去了吧。毕竟我不是做技术的，保留我的用户名让我得瑟下 |
45
wisefree OP 刚看到一个 V 友也在写爬虫文章，选择的平台也是简书。（在 Python 这个节点靠前的位置）
他是从零入门的，而我这个不是从零入门的，基础知不会讲到。想想还，真是有缘，哈哈 |
 |
46
fffflyfish 2017-04-01 19:50:29 +08:00 1
爬动态网站的方法不只有使用 webkit 这种傻瓜式的方法，还可以用抓包的方法
|
 |
47
kingcos 2017-04-01 20:01:41 +08:00 1
可以啊！！！支持楼主！！！已关注！！！👍👍👍
|
|
48
wisefree OP @fffflyfish 有文章讲讲这方面的知识吗？
同时欢迎 V 友投稿 |
 |
50
wellhome 2017-04-01 21:47:36 +08:00 via iPhone 1
|
 |
52
mingyun 2017-04-01 23:19:07 +08:00 1
文末的头像很赞，基于 wordcloud 吗
|
 |
54
yxisen 2017-04-02 01:20:50 +08:00 via Android 1
Mark 一下。
|
|
55
wellhome 2017-04-02 08:03:10 +08:00 via iPhone 1
@wisefree 比如你应该是放后跑爬虫程的吧？有没有遇到因为各种原因跑着跑着退出了? 然后有另外一个进程监控一下？
|
|
56
wisefree OP @wellhome 好问题！
爬取网页多的情况下，并不知道会出现什么样的异常，除非对网站十分熟悉。那么换一种思路，按绝大多数的正常网页来编写爬虫程序，其余的用 try except 处理。 最后对极少数的异常网页，做特殊处理。 这是我的思路，欢迎交流 （如果楼主愿意写些爬虫文章，欢迎投稿哈） |
 |
57
onelove 2017-04-02 12:42:07 +08:00
太好了，正在学习爬虫。
|
 |
58
AkiseAru 2017-04-02 14:03:03 +08:00 via iPhone 1
在学 py2.7 _(:3 」∠)_
|
|
59
wisefree OP @onelove 哈哈，赶紧写了第二篇， https://www.v2ex.com/t/352150
|
|
60
wisefree OP 1
@AkiseAru 差不多的，有 Python 基础就可以看，刚刚发布了第二篇， https://www.v2ex.com/t/352150
|
|
61
Or2 2017-04-03 09:58:28 +08:00 via Android
大神，我有一个公司名列表，需要搜索对应的编号。然后根据编号再找另一编号，这种怎么写爬虫啊？
|
 |
62
falcon05 2017-04-03 11:10:56 +08:00 via iPhone
支持，正在学习
|
|
65
Or2 2017-04-03 13:05:35 +08:00 via Android
@wisefree 哦，有一个公司列表[a,b ...] 要去网站 A 找到对应的编号 a 对应 111 ， b 对应 222 ，等等，然后再根据编号 111 去网站 B 找到对应的 a 的数据，然后再找 b 的数据。
|
|
67
xiaoke0718 2017-04-03 16:45:44 +08:00
@wisefree 你有没有写学习经历故事？
|
|
68
wisefree OP @xiaoke0718 学习经历故事？这个还真没有。。。我是学石油专业的，想转行而学习 Python ，学习 Python 时间还较短。等我入门时间长了，可能会分享自己学习经历吧，:)
|
|
69
xiaoke0718 2017-04-03 21:38:27 +08:00
@wisefree 厉害 对了 你利用空闲时间做什么？
|
|
70
wisefree OP @xiaoke0718 学习运营知识，我想成为一名运营者，，，我真的不厉害，只不过喜欢挖坑。你也是学 Python ？
|
 |
74
cpygui 2017-04-04 14:26:11 +08:00
好奇你 1 和 2 打算怎么写
|
|
75
wisefree OP @cpygui 这个看文章的反馈和大家的建议吧。只讲最实用的部分，同样不讲基础。比如进程和线程的区别，这个不会在文章中出现。
近期不会更新这两大部分，我要去找工作了，还有很多运营和机器学习的知识要学。。。 |
|
76
wisefree OP 文章的反馈比较少，我不会投入太多的时间去更新，坑会填完，但是不会太快。
好多新知识要学，近期还会再挖几个坑 |
 |
77
sheer 2017-04-04 19:16:05 +08:00
正在学习><
|
|
78
xiaoke0718 2017-04-05 08:11:36 +08:00
|
 |
79
wingyiu 2017-04-05 19:08:44 +08:00
|
 |
81
creatorYC 2017-04-23 16:09:22 +08:00
我想问问为什么我写的爬虫运行一段时间就会报 requests.exceptions.ConnectionError: ('Connection aborted.', BadStatusLine("''",))，用的 python 和 requests 库，我没有使用多线程，在请求之前都添加了 time.sleep(0.5) ，按说不至于请求太频繁啊，请问这个问题该怎么解决啊！谢谢了
|
Select Language