求教，关于python除了用scrapy框架做网络爬虫还有什么其他的框架？

Question

python除了用scrapy框架做网络爬虫还有什么其他的框架

Answer 1

(1)Crawley: 高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等(2)Portia:可视化爬取网页内容(3)newspaper:提取新闻、文章以及内容分析(4)python-goose:java写的文章提取工具(5)Beautiful Soup:名气大，整合了一些常用爬虫需求。缺点：不能加载JS。(6)mechanize:优点：可以加载JS。缺点：文档严重缺失。不过通过官方的example以及人肉尝试的方法，还是勉强能用的。(7)selenium:这是一个调用浏览器的driver，通过这个库你可以直接调用浏览器完成某些操作，比如输入验证码。(8)cola:一个分布式爬虫框架。项目整体设计有点糟，模块间耦合度较高。

以下是我的一些实践经验：

• 对于简单的需求，比如有固定pattern的信息，怎么搞都是可以的。

• 对于较为复杂的需求，比如爬取动态页面、涉及状态转换、涉及反爬虫机制、涉及高并发，这种情况下是很难找到一个契合需求的库的，很多东西只能自己写。