需要开发个采集腾讯、新浪微博的评论数据。 如果直接使用官方提供的API,会有很多数据获取不到。所以可能得自己写了。 我主要是想使用C++来开发的,其次才是PHP。在没办法的情况下,才会考虑使用python进行开发! 网上大概了解了下,很多采集程序都是使用python来开发的。因为python的网络库很多,很丰富,开发起来方便快捷。 PHP的也有个snoopy类库,C++的就不清楚了。 不知道,C++中有没有这方面的爬虫类库推荐呢?
弱弱的推荐一下 php 的 goutte
以前写过好几个版本的爬虫,供参考。http://niejason.sinaapp.com/?p=66
啥都不说,肯定是python
用python吧,你会发现有很多优点。。。
我觉得不是说选择哪个语言,主要是看开发者对哪个语言最熟悉。
推荐Python。有requests等类库。 也有scrapy这样的框架。
每个语言都可以,基本的爬虫只要涉及到一些HTTP请求和文档解析就能做出来。 Python有Scrapy等框架,上手比较快,可以研究一下。
参考
C/C++ 网络爬虫
Perl 竟然没人推荐..
snoopy类库很久以前用过,不过感觉不是很好用。功能一般。 其实爬虫最网页请求那一块比较容易实现,也没有什么好说的。其实最主要是对请求回来的数据处理,分析。 所以我觉得用node.js会是很好的选择。
看看那位童鞋推荐下node.js有什么好的库。