推荐一条高效python学习之路，让你从小白到熟练


如果你仔细观察，就不难发现，懂爬虫、学习爬虫的人越来越多，一方面，互联网可以获取的数据越来越多，另一方面，像 Python这样的编程语言提供越来越多的优秀工具，让爬虫变得简单、容易上手。

对于小白来说，爬虫可能是一件非常复杂、技术门槛很高的事情。比如有的人认为学爬虫必须精通 Python，然后**哼哧哼哧系统学习 Python 的每个知识点，很久之后发现仍然爬不了数据**；有的人则认为先要掌握网页的知识，遂**开始 HTMLCSS，结果入了前端的坑**，瘁……

但掌握正确的方法，在短时间内做到能够爬取主流网站的数据，其实非常容易实现。但建议你从**一开始就要有一个具体的目标**，你要爬取哪个网站的哪些数据，达到什么量级。

**那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。**这里给你一条平滑的、零基础快速入门的学习路径。

1.学习Python包并实现基本的爬虫过程

2.掌握各种技巧，应对特殊网站的反爬措施

3.学习scrapy，搭建工程化爬虫

4.学习数据库知识，应对大规模数据存储与提取

5.分布式爬虫，实现大规模并发采集

 – ❶ –

**学习 Python 包并实现基本的爬虫过程**

大部分爬虫都是按**“发送请求——获得页面——解析页面——抽取并储存内容”**这样的流程来进行，这其实也是模拟了我们使用浏览器获取网页信息的过程。

Python中爬虫相关的包很多：urllib、requests、bs4、scrapy、pyspider 等，**建议从requests+Xpath 开始**，requests 负责连接网站，返回网页，Xpath 用于解析网页，便于抽取数据。

如果你用过 BeautifulSoup，会发现 Xpath 要省事不少，一层一层检查元素代码的工作，全都省略了。这样下来基本套路都差不多，**一般的静态网站根本不在话下，豆瓣、糗事百科、腾讯新闻等基本上都可以上手了**。

– ❷ –

**掌握各种技巧，应对特殊网站的反爬措施**

当然，爬虫过程中也会经历一些绝望，比如被封IP、比如各种奇怪的验证码、字体加密、userAgent访问限制、各种动态加载等等。

遇到这些反爬虫的手段，当然还需要一些高级的技巧来应对，常规的比如**访问频率控制、使用代理IP池、字体反加密、抓包、验证码的OCR处理等等**。

往往网站在高效开发和反爬虫之间会偏向前者，这也为爬虫提供了空间，掌握这些应对反爬虫的技巧，绝大部分的网站已经难不到你了。

– ❸ – 

**学习 scrapy，搭建工程化的爬虫**

掌握前面的技术一般量级的数据和代码基本没有问题了，但是在遇到非常复杂的情况，可能仍然会力不从心，这个时候，强大的 scrapy 框架就非常有用了。

scrapy 是一个功能非常强大的爬虫框架，它不仅能便捷地构建request，还有强大的 selector 能够方便地解析 response，然而它最让人惊喜的还是它超高的性能，让你可以将爬虫工程化、模块化。

**学会 scrapy，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。**

– ❹ –

**学习数据库基础，应对大规模数据存储**

爬回来的数据量小的时候，你可以用文档的形式来存储，一旦数据量大了，这就有点行不通了。所以掌握一种数据库是必须的，学习目前比较主流的 MongoDB 就OK。

**MongoDB 可以方便你去存储一些非结构化的数据****，比如各种评论的文本，图片的链接等等。**你也可以利用PyMongo，更方便地在Python中操作MongoDB。

因为这里要用到的数据库知识其实非常简单，主要是**数据如何入库、如何进行提取**，在需要的时候再学习就行。

 – ❺ –

**分布式爬虫，实现大规模并发采集**

爬取基本数据已经不是问题了，你的瓶颈会集中到爬取海量数据的效率。这个时候，相信你会很自然地接触到一个很厉害的名字：**分布式爬虫**。

分布式这个东西，听起来很恐怖，**但其实就是利用多线程的原理让多个爬虫同时工作****，需要你掌握 Scrapy + MongoDB + Redis 这三种工具**。

Scrapy 前面我们说过了，用于做基本的页面爬取，MongoDB 用于存储爬取的数据，Redis 则用来存储要爬取的网页队列，也就是任务队列。

所以有些东西看起来很吓人，但其实分解开来，也不过如此。当你能够写分布式的爬虫的时候，那么你可以去尝试打造一些基本的爬虫架构了，实现更加自动化的数据获取。

– **如何高效学习 -**

你看，这一条学习路径下来，你已然可以成为老司机了，非常的顺畅。所以在一开始的时候，**尽量不要系统地去啃一些东西，找一个实际的项目（开始可以从豆瓣、小猪这种简单的入手），直接开始就好**。

因为爬虫这种技术，既不需要你系统地精通一门语言，也不需要多么高深的数据库技术，**高效的姿势就是从实际的项目中去学习这些零散的知识点，你能保证每次学到的都是最需要的那部分。**

当然唯一麻烦的是，在具体的问题中，如何找到具体需要的那部分学习资源、如何筛选和甄别，是很多初学者面临的一个大问题。

不过不用担心，我们准备了一门非常系统的爬虫课程，除了为你提供一条清晰、无痛的学习路径，我们甄选了**最实用的学习资源**以及**庞大的主流爬虫案例库**。短时间的学习，你就能够很好地掌握爬虫这个技能，获取你想得到的数据。

####推荐一下我建的python学习交流扣扣qun：850973621，群里有免费的视频教程，开发工具、
####电子书籍、项目源码分享。一起交流学习，一起进步！