备案控制台

开发者社区

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 4211 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

python爬虫的方法有哪些？

641

0

0

python爬虫的好方法都有哪些

797

0

0

python 爬虫可以爬需要手机验证码登录的后台吗？

994

1

0

python 爬虫常用的第三方库有什么？

1094

1

0

python聚焦爬虫与通用爬虫的区别是什么呢？

1448

1

0

python聚焦爬虫的特点是什么呢？

1351

1

0

python爬虫中搜索引擎是如何获取一个新网站的URL的呢？

1427

1

0

python爬虫的设计思路是什么呢？

1335

1

0

python爬虫爬取网页的三大特征是什么呢？

1441

1

0

python爬虫搜索引擎的局限性是什么呢？

1763

1

0

问答排行榜

最热

最新

1 通过阿里云代备案系统进行个人快速备案 2699487

2 【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 1818147

3 据说在家办公的程序员是这样写代码的？ 1792063

4 阿里云开放端口权限 689765

5 《阿里云服务器从入门到精通》—论坛精华帖汇总（2013.8.21更新） 599339

6 如何升级配置 536008

7 【藏经阁一起读（27）】本周推荐《Apache Flink案例集（2022版）》，你有哪些心得？ 522277

8 【精品问答】python技术1000问(1) 513931

9 Flink Forward Asia 2021 有奖问答 512757

10 Linux Bash严重漏洞修复紧急通知（已全部给出最终修复方案） 456879

11 工信部官网：www.miitbeian.gov.cn打不开解决办法 399438

12 OceanBase 使用动画（持续更新） 359216

13 阿里云LNAMP(Linux + Nginx + Apache + MySQL + PHP)环境一键安装脚本 329675

14 OSS存储服务-客户端工具 321205

15 为体验实验室取一个新名字。 307144

16 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 303621

17 Win Server 2003-2016 加密勒索事件必打补丁合集 295083

18 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 283417

19 安全组详解，新手必看教程 277219

20 写code还是做管理，开发者如何进行职业规划？ 268203

1 在做程序员的道路上，你掌握了什么关键的概念或技术让你感到自身技能有了显著飞跃？ 628

2 作为一个经典架构模式，事件驱动在云时代为什么会再次流行呢？ 528

3 宜搭：提交表单前，如何校验另一张表单的数据？ 107

4 如何看待首个 AI 程序员入职科技公司？ 1470

5 未启用对服务器的访问 453

6 在图像处理应用场景下，Serverless架构的优势体现在哪些方面？ 1347

7 如何处理线程死循环？ 1634

8 宜搭自定义页面，这个是怎么配置的 133

9 Idea 2024.1RC 报错提示 123

10 如何写出更优雅的并行程序？ 1545

11 你认为一个优秀的技术PM应该具备什么样的能力？ 1946

12 宜搭页面复制问题 313

13 宜搭审批节点调用连接器给表单组件赋值 102

14 Nacos配置了鉴权登录接口返回caused:这个有谁清楚吗？ 100

15 从哪个版本开始nacos分成了两个端口？8848和9848 105

16 钉钉宜搭中要如何实现每日定时自动获取表单1中符合条件的实例数量总和，并赋值给表单2中的某个组件 295

17 宜搭官方的视频板块，图片上是怎么加文字样式的。 148

18 宜搭官方的这种页面是怎么实现的。 198

19 宜搭自定义页面，如何搭建这种效果？ 111

20 idea 2018版本怎么搜索不到lingma插件 129

相关课程

更多

Python爬虫实战

39277

6

去学习

Python网络爬虫实战

2190

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

167

33

去学习

网站性能前端监控课程

136

1

去学习

Java面试疑难点解析 - 系统架构及项目设计

1394

25

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