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 4248 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？

31

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？

40

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？

47

1

0

python爬虫的方法有哪些？

685

0

0

python爬虫的好方法都有哪些

833

0

0

python 爬虫可以爬需要手机验证码登录的后台吗？

1058

1

0

python 爬虫常用的第三方库有什么？

1142

1

0

python聚焦爬虫与通用爬虫的区别是什么呢？

1475

1

0

python聚焦爬虫的特点是什么呢？

1376

1

0

python爬虫中搜索引擎是如何获取一个新网站的URL的呢？

1457

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 1819010

2 据说在家办公的程序员是这样写代码的？ 1793123

3 阿里云开放端口权限 690262

4 如何升级配置 536289

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？ 522846

6 【精品问答】python技术1000问(1) 514126

7 Flink Forward Asia 2021 有奖问答 512904

8 OceanBase 使用动画（持续更新） 359371

9 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329801

10 OSS存储服务-客户端工具 321574

11 为体验实验室取一个新名字。 307475

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 304083

13 Win Server 2003-2016 加密勒索事件必打补丁合集 295328

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 284198

15 安全组详解，新手必看教程 277341

16 写code还是做管理，开发者如何进行职业规划？ 269132

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) 255880

18 阿里云手机和阿云浏览器连接问题专帖 235687

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】 227519

20 请问阿里云邮箱如何开启SMTP服务啊！ 225863

1 请教：通过按钮打开另外一个表单，并把其中一个值传递给另一个表单的其中一个字段。 100

2 AI宠物更适合当代年轻人的陪伴需求吗？ 537

3 AI客服未来会完全代替人工吗？ 712

4 “云+AI”能够孵化出多少可能？ 783

5 当AI频繁生成虚假信息，我们还能轻信大模型吗？ 555

6 使用免费证书后服务器浏览器访问没有问题，外网访问显示证书不可信，使用同一种浏览器哦 128

7 FFA 2024 大会门票免费送！AI时代下大数据技术未来路在何方？ 1413

8 为什么宜搭的流程流入到钉钉OA审批，钉钉OA审批要收钱啊。。。。 150

9 宜搭UPDATE或UPSERT一次更新数据超过100条怎么办？谢谢各位大大帮帮忙！！！ 123

10 CUDA error: CUDA-capable device(s) is busy 119

11 AI时代，存力or算力哪一个更关键？ 1180

12 求宜搭关联表单的更新方法！！！ 288

13 全网寻找 #六边形战士# 程序员，你的 AI 编码助手身份标签是什么？ 1227

14 老哥们有个需求想请教一下，十分感谢 280

15 关于“通义灵码”而言，这次更新后，他更加人性化，然而我更喜欢fittencode,理由如下 340

16 关于宜搭自定义页面的文本组件循环获取其它表单的子表单数据。 120

17 flink1.20.0 部署后发布报错，是怎么回事，各种配置都配置了 162

18 关于开发者的100件小事，你知道哪些？ 1261

19 AI助力，短剧迎来创新热潮？ 1063

20 "ModelScope默认的下载位置是在哪里？ 457

相关课程

更多

Python爬虫实战

40354

6

去学习

Python网络爬虫实战

2529

3

去学习

PHP进阶教程 - 由浅入深掌握面向对象开发 - 第二阶段

211

33

去学习

机器阅读技术与应用

674

5

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

QQ移动页面框架优化实践 立即下载

相关实验场景

更多