python爬虫学习（1）——简单爬虫架构

     爬虫的架构是什么样的呢？当我们想要设计一个我们适用于现实的爬虫时，应该考虑到什么呢？接下来将会得到答案！

来自慕课网python爬虫课程


来自慕课网python爬虫课程

上图为一个简单爬虫的架构，完成这个简单的爬虫需要包括如图几个方面：

（1）爬虫调度端：负责启动、停止、监视爬虫的运行情况

（2）URL管理器：管理即将要下载和已经下载的url资源

（3）网页下载器：根据URL管理器所提供的url资源，对其中的网页内容下载，并将下载获得内容一字符串的形式进行保存

（4）网页解析器：根据网页下载器所下载的内容，有针对的进行内容提取，一般是对返回的html代码部分进行解析，取出网页中的（带有逻辑等）信息（价值信息、新的url资源）。

（5）价值数据：获得网页解析过后的有用信息

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容