这是一个创建于 4333 天前的主题，其中的信息可能已经有所发展或是发生改变。
python爬虫绝大多数都是定向抓取，并进行一定程度的结构化解析
这套爬虫设计采用python脚本驱动抓取动作，适用于各类页面（要实现通用爬虫也没问题）
经过实践证明好用的更新调度机制，以及灵活稳定的抓取环模型
辅以 WEB 化的脚本编写、调试、监控，看图你就懂了：
这套爬虫是我一年多前设计开发的，抓取200个站点，在至少2个商业环境中运行，现在在Apache协议下重写开源。希望能终结各种自己写python爬虫的必要。
github项目： https://github.com/binux/pyspider
快速开始： https://github.com/binux/pyspider/wiki/Quickstart
其他更详细的文档： https://github.com/binux/pyspider/wiki
这套爬虫设计采用python脚本驱动抓取动作，适用于各类页面（要实现通用爬虫也没问题）
经过实践证明好用的更新调度机制，以及灵活稳定的抓取环模型
辅以 WEB 化的脚本编写、调试、监控，看图你就懂了：
这套爬虫是我一年多前设计开发的，抓取200个站点，在至少2个商业环境中运行，现在在Apache协议下重写开源。希望能终结各种自己写python爬虫的必要。
github项目： https://github.com/binux/pyspider
快速开始： https://github.com/binux/pyspider/wiki/Quickstart
其他更详细的文档： https://github.com/binux/pyspider/wiki
第 1 条附言 · 2014 年 3 月 9 日
由于目前仅在 Linux/OSX with python2.7 环境下测试通过，如果您没有环境
可以在 https://koding.com/R/binux（推荐链接） 申请到一台 ubuntu 的临时开发环境
sudo apt-get install python-dev python-pip libxml2-dev libxslt-dev libz-dev python-pycurl
git clone https://github.com/binux/pyspider.git
cd pyspider
sudo pip install -r requirements.txt
sed -i "s/app.run()/app.run('0.0.0.0')/" run.py
./run.py
然后访问 http://<username>.kd.io:5000/
可以在 https://koding.com/R/binux（推荐链接） 申请到一台 ubuntu 的临时开发环境
sudo apt-get install python-dev python-pip libxml2-dev libxslt-dev libz-dev python-pycurl
git clone https://github.com/binux/pyspider.git
cd pyspider
sudo pip install -r requirements.txt
sed -i "s/app.run()/app.run('0.0.0.0')/" run.py
./run.py
然后访问 http://<username>.kd.io:5000/
第 2 条附言 · 2014 年 3 月 10 日
现在手上没有使用场景，如果有持续运营的实例，可以提供支持
 |
1
yanwen 2014 年 3 月 9 日
支持一个。
|
 |
2
alexapollo 2014 年 3 月 9 日
看起来还不错~
|
 |
3
hhrmatata 2014 年 3 月 9 日
有web调试和监控，看起来很不错
|
 |
4
arbipher 2014 年 3 月 9 日
赞！
抓取200个站点，求加到wiki上。 |
 |
5
hadoop 2014 年 3 月 9 日
赞！
|
 |
6
9hills 2014 年 3 月 9 日
支持一下
|
 |
9
exoticknight 2014 年 3 月 9 日
其实是终结各种我们大家写python爬虫的必要……
|
 |
10
RIcter 2014 年 3 月 9 日
请手下我的膝盖...已感谢
|
 |
11
figo 2014 年 3 月 9 日
看起来不错
|
 |
12
chon 2014 年 3 月 9 日
从BYR论坛过来支持一下~
|
 |
13
moroumo 2014 年 3 月 9 日
支持啊，我也用scrapy写过一个简单的
|
 |
14
caomu 2014 年 3 月 10 日
手机上手动回复点赞加马克。。。
|
 |
15
forever139 2014 年 3 月 10 日
支持下
|
 |
16
lj0014 2014 年 3 月 10 日
自带webui非常不错
|
 |
17
nealv2ex 2014 年 3 月 10 日
看了一上午了，我的python果真是战5渣。
|
 |
18
spritevan 2014 年 3 月 10 日
这个 webui 好丑啊
|
|
20
spritevan 2014 年 3 月 10 日
只会说不会改啊 （＾ω＾）
|
 |
21
cooiky 2014 年 3 月 10 日
这个长时间抓，会被目标站ban掉么
|
 |
23
sjrong 2014 年 3 月 10 日
我已经通过贡献1GB空间来支持啦 呵呵~
|
 |
24
yupeng 2014 年 3 月 10 日
赞，支持一下
|
 |
25
primer 2014 年 3 月 10 日
楼主你好，你这款爬虫适用于非结构式的网页信息爬取吗？
还有如果我想爬取Google play商店上APP下的所有用户评论，能做到吗？ 谢谢楼主！ |
 |
27
simapple 2014 年 3 月 10 日
顶起
|
 |
31
run2 2014 年 3 月 10 日
很牛的样子，请问如果采集到了一个索引页，怎么把索引页里的url自动加到task里？并调用不同的Handler
|
 |
32
binux OP  1
@sobigfish self.crawl 用于创建 task，这里设计上不是通过不同的 Handler，而是不同的 callback函数来区分的。一个 Handler 固定处理同一个站点（project）的各类页面。
如果确有必要跨 Handler，第二里程碑会实现 send_message 特性可以实现。 |
 |
33
darklowly 2014 年 3 月 11 日 via iPhone
一天写5个爬虫，有什么好开源节流的价值？
|
|
34
darklowly 2014 年 3 月 11 日 via iPhone
定向爬一天可以写几十个
|
 |
36
zhkzyth 2014 年 3 月 11 日
拜读过lz的代码，赞~
|
 |
37
leveraging 2014 年 3 月 12 日
@darklowly 能省一天是一天啊。
|
 |
40
chens 2014 年 3 月 17 日
@binux http://blog.binux.me/assets/image/pyspider-arch.png
看明白了，多谢啦。 多问一句，用QQ或者gtalk之类的IM吗？有抓取相关问题请教。:-) |
 |
41
chau 2014 年 3 月 18 日
@binux sudo pip install -r requirements.txt 这句的时候 SLLError:The read operation timed out
|
|
42
binux OP @chau 网络问题，试试aliyun的镜像 http://mirrors.aliyun.com/help/pypi
|
 |
47
myAngel 2014 年 3 月 23 日
有一个网站，需要帮个忙。马化腾：156224301
|
 |
48
tobyzhong 2014 年 3 月 24 日
http://v2ex.com/t/104723#reply21 求高人给点提示
|
 |
49
guotie 2014 年 3 月 26 日
学习一下
|
 |
50
sgissb1 2014 年 6 月 2 日
小哥，我真心想了解你的爬虫，别这样～～～～我很伤心的
|
|
51
sgissb1 2014 年 6 月 2 日
在这里给你说了，其实我不想搞爬虫这块的学习。我倒是想通过爬虫弄点素材，来研究研究，是这样的。
我主要是为了拿到页面然后分析。手动去搞主要是不懂web开发，另外我需要的样本很多，手工。。。你懂的 |
 |
52
chuangbo 2014 年 7 月 17 日 1
实在是太好用了
|
 |
53
Lycnir 2014 年 12 月 3 日
赞一个
|
 |
55
commoccoom 2016 年 2 月 16 日
@binux 请问 怎吗删除已经创建了的 project 我是在本地运行的
|
Select Language