想深入的学习爬虫相关的技术,哪位前辈给点指点,该学点啥? - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
zhangsan
V2EX    问与答

想深入的学习爬虫相关的技术,哪位前辈给点指点,该学点啥?

  •  
  •   zhangsan 2014-08-15 22:16:51 +08:00 4191 次点击
    这是一个创建于 4086 天前的主题,其中的信息可能已经有所发展或是发生改变。
    先自我介绍下,做.NET开发4年了,ASP.NET,winfrom都搞过。
    一直有个进大公司的梦想,众所周知做c#很难进到大公司工作,加上又是专科毕业。
    看了某个稍微大点的公司,只有个爬虫岗位跟c#能沾点边。所以就盯上了这个岗位。
    工作这4年也接触过一些抓取的工作,都只是用正则抓一些文章、图片、模拟登录什么的,感觉有些小儿科。

    现在想深入、专业的学习下爬虫技术。

    求推荐路线、书籍、教程等

    同求专科程序员进大公司方法

    万分感谢!
    12 条回复    2014-08-16 03:52:39 +08:00
    jptanggordon
        1
    jptanggordon  
       2014-08-15 22:32:53 +08:00
    男神拉扎尔0 0
    em70
        2
    em70  
       2014-08-15 22:35:24 +08:00 via Android
    用尽你的所有办法,去把豆瓣电影,图书数据抓下来,存到数据库里。遇到实在无法逾越的困难再上来问人
    Heavytiger
        3
    Heavytiger  
       2014-08-15 22:40:20 +08:00
    爬虫和采集是一个意思么?怎么都推崇这个呢?
    zhangsan
        4
    zhangsan  
    OP
       2014-08-15 22:44:42 +08:00
    @jptanggordon thk 只是喜欢图上那句话,我还真不知道头像上这是谁。
    @em70 变相的技术提升过程,好建议,感谢!这就去抓。



    一定是夜深了,也没人来看帖子~
    bengol
        5
    bengol  
       2014-08-15 22:45:24 +08:00
    去百度
    zhangsan
        6
    zhangsan  
    OP
       2014-08-15 22:46:24 +08:00
    @Heavytiger 没有专业的学过,请原谅 概念不清与用词拙略~
    MarioLuisGarcia
        7
    MarioLuisGarcia  
       2014-08-15 22:46:44 +08:00 via Android
    楼主能整站抓取知乎就牛逼了,上面好多删答案的
    binux
        8
    binux  
       2014-08-15 23:02:52 +08:00
    学一遍怎么做网站,前后端一起,然后你就会爬了。
    zhangsan
        9
    zhangsan  
    OP
       2014-08-15 23:07:52 +08:00
    @MarioLuisGarcia 之前抓过58,OCR过验证码,但是感觉不是很专业,想专业的学学爬虫。
    @binux 网站还是会写点,能写个符合Web标准的页面。
    no13bus
        10
    no13bus  
       2014-08-15 23:26:37 +08:00
    @zhangsan 队列服务和定时爬取 这些都做了吗?可以试试celery框架。最近我一直在用。非常棒。
    zhangsan
        11
    zhangsan  
    OP
       2014-08-15 23:40:43 +08:00
    @no13bus 框架还真没用过,任务队列单机版的用消费者模式实现过(.net下异步实现比较简单),分布式的没用过,现在确实想看看分布式的爬虫实现。
    iannil
        12
    iannil  
       2014-08-16 03:52:39 +08:00
    http://v2ex.com/t/127220
    之前回答过,楼主移步查看。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     1401 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 27ms UTC 16:56 PVG 00:56 LAX 09:56 JFK 12:56
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86