hmoban 一文告诉你为什么写网络爬虫天然就是择用Python
问题由来
1. 变幻莫测的网络爬虫
写过爬虫的可能都有这么一个感觉，就是昨天跑的好好的爬虫，今天可能就出问题，不work了。这里面的原因可能就是，网页的改版，网站的封锁等等。遇到这种情况，我们就必须在最快的时间内调试找出问题所在，并以最快的速度修复，使其尽快上线跑起来。
应对方法
2. 随机应变的Python
鉴于上述爬虫复杂的变化，写网络爬虫就必须依赖一个快速开发、灵活的语言，同时又有完整丰富的库支撑。而同时具备这些优点的语言，无疑就是Python了。所以，Python天然就是为爬虫而生，爬虫天然就是择Python而用。
3. 简洁丰富的Python
看到Python和网络爬虫这种天然相连的关系，不禁要问，Python适合网络爬虫的天然属性都是哪些呢？不急，听老夫慢慢道来。
3.1 简洁的语法
Python的语法非常简单，提倡简洁而不简单，Python开发者的哲学就是“用一种方法，最好是只有一种方法来做一件事”，这种哲学让你写的代码没有太多个人风格，易于让他人看懂你的代码，也让你轻易看懂别人的代码。Python的简洁，也让开发者可以仅用几行代码就实现一个功能，而同样的功能用Java可能要几十行上百行，要用C++可能是几百行。
开发者可以试试在Python解释器里面运行import this，来品味一下Python的哲学：
>>> import this > The Zen of Python > by Tim Peters > Beautiful is better than ugly. > Explicit is better than implicit. > Simple is better than complex. > Complex is better than complicated. > Flat is better than nested. > Sparse is better than dense. > Readability counts. > Special cases aren't special enough to break the rules. > Although practicality beats purity. > Errors should never pass silently. > Unless explicitly silenced. > In the face of ambiguity, refuse the temptation to guess. > There should be one-- and preferably only one --obvious way to do it. > Although that way may not be obvious at first unless you're Dutch. > Now is better than never. > Although never is often better than *right* now. > If the implementation is hard to explain, it's a bad idea. > If the implementation is easy to explain, it may be a good idea. > Namespaces are one honking great idea -- let's do more of those!
Python简洁的语法，让你实现、修改爬虫都变得轻松起来。也就是说，写起来贼快！人生苦短，何不Python ??
3.2 丰富的Python模块
大家应该已经听说过Python模块（库）的丰富性，或许只是还没有时间和机会接触过那么多而已。这里，身经百战、见多识广的给你撂下一句话：“几乎所有你想要的功能Python都有库实现了”。这句话，似乎很狂妄，但满足你90%的需求没问题。所以，要记住这句话，在以后的开发过程中，需要什么基本功能了，就不妨先去搜搜、问问，看看是不是已经有人实现了这个功能，并且上传到pypi上了，而你要做到可能仅仅是pip install。同时，也验证一下这句话是不是那么回事儿。
比方说，
我要下载网页就用，
Python标准模块urllib.request，还有好的没话说的第三方开源模块requests
异步http请求的有aiohttp
我要处理网址url就用：
Python自带的模块urllib.parse
我要解析html就用：
基于C语言库的高效率模块lxml, 好用的beautifulsoap。
我要管理网址，记录下载成功的、失败的、未下载的各种url的状态，就用：
Python封装的key-value数据库leveldb
我要用成熟的爬虫框架，就用：
历史悠久的scrapy，后起之秀pyspider。
我要支持javascript和ajax，就用：
浏览器模拟框架Selenium，加上不需要桌面环境跑着Linux服务器上的大名鼎鼎的Google Headless Chrome。
还有个Phantomjs，可惜已经停止开发了。
以上，只是老猿用过的写网络爬虫需要的一些基本模块，具体实践中需要的基本功能都可以先搜搜看，没准儿就已经有模块支持想要的功能了。还是那句话，“几乎所有你想要的功能Python都有库实现了”。你的工作，就是像搭积木一样，把他们有机结合在一起实现你的业务逻辑。
对的，像搭积木一样实现你的网络爬虫，为什么不选择Python呢？
来源：PY学习网：原文地址：https://www.py.cn/article.html