备案控制台

开发者社区> 问答> 正文

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？

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？

展开

收起

OSC开源社区 2024-05-30 15:14:20 31 0

1 条回答

写回答

取消提交回答

OSC小助手

爬虫是Python领域中一个很简单的活儿，其实主要是防爬和提高爬取速度，这个爬取速度不再你使用多线程还是多进程还是asyncio，而是待爬的网站对你的容忍度和你具备的对应策略。数据量大的建议这个话题很大，主要是要设计好数据库和存储的方式。

2024-05-31 12:59:58

赞同展开评论打赏

问答分类：

数据采集 Python

问答标签：

Python爬虫 Python数据爬虫python 爬虫数据 Python爬虫数据

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

Flink CDC我使用爬虫一次插入数据到ods层，数量为250条，这种情况是否遇到过？

75

1

0

我是用爬虫获取数据全量存储到ods层，使用的按最新的同步吗？

52

1

0

DataWorks这里的数据对我分析独享集成资源很有价值，怎么把这个数据弄下来？不会让我写爬虫脚本吧

45

1

0

爬虫如何只爬取更新数据

38

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

如果定时每天执行一次爬虫程序，怎么知道当前新增的数据呢？

29

2

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

在阿里云RPA我用编码的方式写，用来爬虫，最后怎么把爬取的数据返出去？

170

2

0

dataworks有相关的接口功能吗？需求是将爬虫得到的数据直接导入到dataworks中的表？

82

1

0

使用key通过 python下载数据列--请问具体是使用的哪个功能？

617

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语言基础 - 语法入门

100213

57

去学习

Python Web开发基础

33641

4

去学习

Python爬虫实战

40354

6

去学习

Python开发基础入门

11741

17

去学习

Python常用数据科学库

1623

53

去学习

Python网络爬虫实战

2529

3

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

From Python Scikit-Learn to Sc 立即下载

Data Pre-Processing in Python: 立即下载

双剑合璧-Python和大数据计算平台的结合 立即下载

相关实验场景

更多