python和php哪个更适合写爬虫

作者:silencement 时间:2023-10-28 00:51:14 

python和PHP相比较,python适合做爬虫。原因如下

抓取网页本身的接口

相比与其他静态编程语言,如java,c#,C++,python抓取网页文档的接口更简洁;相比其他动态脚本语言,如perl,shell,python的urllib2包提供了较为完整的访问网页文档的API。(当然ruby也是很好的选择)

此外,抓取网页有时候需要模拟浏览器的行为,很多网站对于生硬的爬虫抓取都是封杀的。这是我们需要模拟user agent的行为构造合适的请求,譬如模拟用户登陆、模拟session/cookie的存储和设置。在python里都有非常优秀的第三方包帮你搞定,如Requests,mechanize

网页抓取后的处理

抓取的网页通常需要处理,比如过滤html标签,提取文本等。python的beautifulsoap提供了简洁的文档处理功能,能用极短的代码完成大部分文档的处理。

其实以上功能很多语言和工具都能做,但是用python能够干得最快,最干净。Life is short, u need python.

py用在linux上很强大,语言挺简单的。

NO.1 快速开发(唯一能和python比开发效率的语言只有rudy)语言简洁,没那么多技巧,所以读起来很清楚容易。

NO.2跨平台(由于python的开源,他比java更能体现”一次编写到处运行”

NO.3解释性( 无须编译,直接运行/调试代码)

NO.4构架选择太多(GUI构架方面 主要的就有 wxPython, tkInter, PyGtk, PyQt 。

PHP 脚本主要用于以下三个领域:

服务端脚本。这是 PHP 最传统,也是最主要的目标领域。开展这项工作需要具备以下三点:PHP 解析器(CGI 或者服务器模块)、web

服务器和 web 浏览器。需要在运行 web 服务器时,安装并配置 PHP,然后,可以用 web 浏览器来访问 PHP 程序的输出,即浏览服务

端的 PHP 页面。如果只是实验 PHP 编程,所有的这些都可以运行在自己家里的电脑中。请查阅安装一章以获取更多信息。命令行脚本。

可以编写一段 PHP 脚本,并且不需要任何服务器或者浏览器来运行它。通过这种方式,仅仅只需要 PHP 解析器来执行。这种用法对于依

赖 cron(Unix 或者 Linux 环境)或者 Task Scheduler(Windows 环境)的日常运行的脚本来说是理想的选择。这些脚本也可以用来处

理简单的文本。请参阅 PHP 的命令行模式以获取更多信息。编写桌面应用程序。对于有着图形界面的桌面应用程序来说,PHP 或许不是

一种最好的语言,但是如果用户非常精通 PHP,并且希望在客户端应用程序中使用 PHP 的一些高级特性,可以利用 PHP-GTK 来编写这

些程序。用这种方法,还可以编写跨平台的应用程序。PHP-GTK 是 PHP 的一个扩展,在通常发布的 PHP 包中并不包含它。

网友观点扩展:

我用 PHP Node.js Python 写过抓取脚本,简单谈一下吧。

首先PHP。先说优势:网上抓取和解析html的框架一抓一大把,各种工具直接拿来用就行了,比较省心。缺点:首先速度/效率很成问题,有一次下载电影海报的时候,由于是crontab定期执行,也没做优化,开的php进程太多,直接把内存撑爆了。然后语法方面也很拖沓,各种关键字 符号 太多,不够简洁,给人一种没有认真设计过的感觉,写起来很麻烦。

Node.js。优点是效率、效率还是效率,由于网络是异步的,所以基本如同几百个进程并发一样强大,内存和CPU占用非常小,如果没有对抓取来的数据进行复杂的运算加工,那么系统的瓶颈基本就在带宽和写入MySQL等数据库的I/O速度。当然,优点的反面也是缺点,异步网络代表你需要callback,这时候如果业务需求是线性了,比如必须等待上一个页面抓取完成后,拿到数据,才能进行下一个页面的抓取,甚至多层的依赖关系,那就会出现可怕的多层callback!基本这时候,代码结构和逻辑就会一团乱麻。当然可以用Step等流程控制工具解决这些问题。

最后说Python。如果你对效率没有极端的要求,那么推荐用Python!首先,Python的语法很简洁,同样的语句,可以少敲很多次键盘。然后,Python非常适合做数据的处理,比如函数参数的打包解包,列表解析,矩阵处理,非常方便。

来源:https://www.py.cn/faq/python/12560.html

标签:php,python,爬虫
0
投稿

猜你喜欢

  • Python随机生成8位密码的示例详解

    2023-09-15 21:04:03
  • 聊聊Pytorch torch.cat与torch.stack的区别

    2021-05-07 02:07:39
  • python自动化办公操作PPT的实现

    2023-06-14 03:43:47
  • python判断正负数方式

    2023-07-06 11:16:12
  • javascript实现计算器功能详解流程

    2024-04-23 09:27:00
  • 网页设计中的层次感

    2007-11-05 18:19:00
  • Python开发虚拟环境使用virtualenvwrapper的搭建步骤教程图解

    2022-02-08 00:33:29
  • 解决tensorflow模型压缩的问题_踩坑无数,总算搞定

    2021-12-18 03:09:23
  • GO 反射对性能的影响分析

    2024-02-18 06:51:41
  • 使用Filter过滤python中的日志输出的实现方法

    2022-08-25 06:37:43
  • SQL Server如何插入数据示例代码

    2024-01-13 16:42:33
  • Python编程源码报错解决方法总结经验分享

    2023-11-16 07:49:46
  • Python实现运行其他程序的四种方式实例分析

    2023-08-03 00:48:24
  • 如何用python开发Zeroc Ice应用

    2022-06-23 01:17:50
  • 对python函数签名的方法详解

    2021-09-22 10:14:25
  • 关于Python中模块的简介、定义与使用

    2021-01-25 16:09:29
  • python+django加载静态网页模板解析

    2022-06-14 16:58:47
  • python寻找含有关键字文件和删除文件夹方式

    2021-08-22 05:46:32
  • python super函数使用方法详解

    2022-04-15 21:45:17
  • 学习 YUI3 中的沙箱机制

    2010-04-12 12:52:00
  • asp之家 网络编程 m.aspxhome.com