备案控制台

开发者社区> 问答> 正文

简述一下爬虫的步骤？

简述一下爬虫的步骤？

展开

收起

珍宝珠 2019-11-11 11:09:52 4252 0

2 条回答

写回答

取消提交回答

shawn2046
1. 首先了解要爬取的网站结构(不是网页结构)
2. 明确要爬取的数据和范围(深度和广度)
3. 分析网页结构或者数据接口
4. 准备反反爬资源，比如代理ip池等
5. 爬取数据(这是一个反复的过程，不断调整，不断破解网站的反爬)
6. 保存数据
7. 根据需要清洗数据
2020-04-01 11:01:26

赞同展开评论打赏
珍宝珠

1.确定需求；
2.确定资源；
3.通过url获取网站的返回数据；
4.定位数据；
5.存储数据。

2019-11-11 12:46:00

赞同展开评论打赏

问答分类：

数据采集

问答标签：

爬虫步骤

问答地址：

开发者社区 > 大数据 > 问答

版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

相关问答

用python写爬虫，有什么好的建议？数据量大了有什么好的处理方式？

32

1

0

爬虫去重有哪些解决方案以及python scrapy爬取超时怎么处理？

44

1

0

python 除了做爬虫，人工智能，机器学习之外。还在哪些方面有优势？

52

1

0

python爬虫的方法有哪些？

688

0

0

python爬虫的好方法都有哪些

835

0

0

python 爬虫可以爬需要手机验证码登录的后台吗？

1068

1

0

python 爬虫常用的第三方库有什么？

1145

1

0

python聚焦爬虫与通用爬虫的区别是什么呢？

1478

1

0

python聚焦爬虫的特点是什么呢？

1380

1

0

python爬虫中搜索引擎是如何获取一个新网站的URL的呢？

1461

1

0

问答排行榜

最热

最新

1 【大咖问答】对话PostgreSQL 中国社区发起人之一，阿里云数据库高级专家德哥 1819114

2 据说在家办公的程序员是这样写代码的？ 1793266

3 阿里云开放端口权限 690342

4 如何升级配置 536323

5 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522898

6 【精品问答】python技术1000问(1) 514149

7 Flink Forward Asia 2021 有奖问答 512930

8 OceanBase 使用动画（持续更新） 359395

9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329815

10 OSS存储服务-客户端工具 321631

11 为体验实验室取一个新名字。 307507

12 企业邮箱发送邮件时，若出现投递失败产生退信，内容提示包含如下： the mta server of * reply:550 failed to meet SPF requirements 或者 the mta server of 163.com — 163mx01.mxmail.netease.com(220.181.14.141) reply:550 MI:SPF mx14,QMCowECpA0qTiftVaeB3Cg—.872S2 1442548128 http://mail.163.com/help 304122

13 Win Server 2003-2016 加密勒索事件必打补丁合集 295348

14 FLASH播放器，在IE浏览器下显示请确定您的域名已完成备案和CNAME绑定 284248

15 安全组详解，新手必看教程 277358

16 写code还是做管理，开发者如何进行职业规划？ 269233

17 惊喜翻倍：免费ECS+免费环境配置~！(ECS免费体验6个月活动3月31日结束) 255893

18 阿里云手机和阿云浏览器连接问题专帖 235704

19 支付宝H5 下载的时候，提示【请确保该下载文件来源安全,如需浏览,请长按网址复制后使用浏览器访问】 230614

20 请问阿里云邮箱如何开启SMTP服务啊！ 225905

1 通义APP上新【局部风格化】新功能，万物皆可毛茸茸你体验了吗？ 433

2 一个专属的智能 AI 总结助手，能在多大程度上提升工作效率？ 580

3 宜搭是否可以和钉钉OA审批打通，钉钉OA审批提交的数据宜搭是否可以联动字段数据过来使用？ 160

4 宜搭表单中的复选框问题 165

5 关于宜搭普通表单如何获取钉钉通讯录数据以及考勤数据的问题。 100

6 AI视频技术的发展是否会影响原创内容的价值？ 1119

7 日常工作中，开发者应该如何避免“效率陷阱”？ 594

8 AI 编码助手能否引领编程革命？一起探索 AI 对研发流程的变革 1611

9 宜搭数据管理页面如何把一个字段设置为链接跳转 290

10 AI新茶饮，是噱头还是未来？ 1531

11 开发者们需要如何打造属于自己的Plan B? 802

12 阿里云电脑免费体验30天在哪申请？ 261

13 ACP认证有几次考试机会？ 229

14 动机VS自律，对开发者们来说哪个比较重要？ 866

15 AI音色克隆挑战播客，它能模拟人的特质吗？ 1329

16 宜搭集成自动化功能流程触发另一个流程，被触发的流程里面包含的子表单的内容如何设置 153

17 阿里云RDS mysql数据库show slave status信息疑问 528

18 求助：宜搭如何在请求数据源时传入参数 266

19 宜搭报表对日期字段赋值 409

20 求助：如何在宜搭自定义表单中获取普通表单子表单中的数据 342

相关课程

更多

Python爬虫实战

40441

6

去学习

Python网络爬虫实战

2547

3

去学习

机器阅读技术与应用

678

5

去学习

PHP进阶教程 - 由浅入深掌握面向对象开发 - 第二阶段

214

33

去学习

推荐问答

乘风问答官招募中！机械键盘免费拿

相关电子书

更多

Python第五讲——关于爬虫如何做js逆向的思路 立即下载

SEO学习步骤 立即下载

函数计算最佳实践：快速开发一个分布式 Puppeteer 网页截图服务 立即下载

相关实验场景

更多