关于该爬虫(爬虫有坑。。直接使用小心中招)
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