引言
之前公司有需求要做一个采集信息的工具,包括获取商品信息导入数据库,比价什么的功能,没办法只能尝试这做一下。考虑到是做定向爬取,我就选择了jquery,因为jquery相比其他语言做爬虫是简单轻松很多。
不同语言自然会有不同用处。离开环境谈哪个好，哪个不好都是耍流氓。1，如果是自己做着玩的话，定向爬几个页面，效率不是核心要求的话，问题不会大，什么语言都行的，性能差异不会大。当然，如果碰到十分复杂的页面，正则写的很复杂的话，爬虫的可维护性就会下降。2，如果是做定向爬取，而目标又要解析动态js。那么这个时候，用普通的请求页面，然后得到内容的方法肯定不行了，就要一个类似firfox，chrome的js引擎来对js代码做动态解析。这个时候推荐casperJS+phantomjs或slimerJS+phantomjs3，如果是大规模的网站爬取。这个时候就要考虑到，效率，扩展性，可维护性，等等了。大规模的爬取涉及的方面很多，比如分布式爬取，判重机制，任务调度。这些问题深入下去哪一个简单了？语言选取这个时候很重要。NodeJs：做爬虫效率很高。高并发，多线程编程变成了简单的遍历和callback，内存cpu占用小，要处理好callback。PHP：各种框架到处有，随便拉个来用都行。但是，PHP的效率真的有问题…不多说Python:我用python写的比较多，对各种问题都有比较好的支持。scrapy框架很好用，优点多。我觉得js也不是很适合写…效率问题。没写过，估计会有麻烦一堆。据我知道的，大公司也有用c++的，总之大多数都是在开源框架上改造。真重新造个轮子的不多吧。不值。来自segmentfault一位大佬
jquery实现
定向商品链接-.