如何优化一个爬虫，提升两个档次？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 2974 天前的主题，其中的信息可能已经有所发展或是发生改变。

入职笔试时基于 python 撸了个爬虫，闲来无事准备去改改。

那么问题来了，如何优化去提升两个档次？

framework
performance
code style
...

https://github.com/wenyu1001/spider.git

档次

爬虫

Python

framework

12 条回复 • 2016-03-09 13:26:30 +08:00

sunchen

2016-03-07 23:48:10 +08:00

入职笔试写爬虫，一猜就是创宇。

wenyu1001

2016-03-08 09:57:26 +08:00

@sunchen 不用猜 :)

是否先从稳定性，准确性入手优化？

helloworldwt

2016-03-08 10:55:37 +08:00

爬虫需要使用代理，这样你 ip 被封时，减少对程序的影响

flamhaze5946

2016-03-08 12:26:37 +08:00 via Android

好吧。。是爬美女网站吗。。。当初被拒了(ฅ>ω<*ฅ)

wenyu1001

2016-03-08 13:01:50 +08:00

@helloworldwt
是，可以加入 httpproxy, socks 代理

@flamhaze5946
想法真丰富

CrazySpiderMan

2016-03-08 13:16:08 +08:00

是我的话, 我直接换 Node.js 了. Python 搞爬虫, 麻烦的很.

CrazySpiderMan

2016-03-08 13:16:37 +08:00

@CrazySpiderMan 这里有个我用 Node.js 写个 P2P 网络的爬虫. https://github.com/Fuck-You-GFW/p2pspider

l6751902

2016-03-08 13:43:45 +08:00

黑 V2EX 后台，上传爬虫远程管理工具，然后把爬虫实际执行的逻辑嵌入前端.........

sampeng

2016-03-08 14:00:02 +08:00

加 2 倍机器。。绝对提升两个档次

wenyu1001

2016-03-08 17:44:11 +08:00

@sampeng nice!

penjianfeng

2016-03-08 21:01:00 +08:00

这还不简单,先把性能降 2 倍,然后在切换回来,绝对提升两个档次,哈哈哈

wenyu1001

2016-03-09 13:26:30 +08:00

@penjianfeng
这要是被领导知道，还不等着去财务处领工资？