Skip to content

cseparkman/spider.py

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 

Repository files navigation

关于该爬虫

程序运行示例:    Spider.py -u url -d depth        Url,depth 为必需参数,其他为可选参数,日志文件默认当前目录,名字:spider.log,日志等级默 认为3。数据库为:data.sql,也是当前目录。

  关键字是匹配源码中标签<meta>的content属性的值

   自检模块只是检查网络连接,和数据库连接。

winXP sp3 和 ubuntu12.10测试均能正常运行     目前自知的缺点:    对于命令参数,没有仔细检查分析,如:spider -u s -d 2程序一样会运行

主要参考:    Python爬虫
   http://bbs.chinaunix.net/thread-3689276-1-1.html    对Python线程池进行详细说明    http://developer.51cto.com/art/201002/185290.htm    BeautifulSoup学习笔记    http://pqcc.iteye.com/blog/627481    python之sqlite3使用详解 http://anony3721.blog.163.com/blog/static/5119742010716104442536/    Python模块学习    http://www.cnblogs.com/captain_jack/archive/2011/01/11/1933366.html                

About

A spider.py

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published