爬虫技术收集整理

[爬虫技术收集整理]

[通用知识]

- 正则表达式中各种字符的含义

- Web Crawler Slide share

- Quick & Dirty Python

 

[Java语言]

- [知了开发]“知了”优化 - WebMagic 调优

- ContentExtractor开源网页正文抽取工具

- 垂直型爬虫架构设计

- 分布式网络爬虫的基本实现简述

- 分布式多爬虫系统——架构设计

- httpclient 多线程高并发Get请求

- Java爬虫框架WebMagic的使用总结

- Async Http Client

- OkHttp

- OkHttp：Java 平台上的新一代 HTTP 客户端

- 《HttpClient 官方文档》第五章 Fluent API

 

[Python语言]

- pip requirements导出当前项目所用的包list列表

- python实现RESTful服务（基于flask）

- nosetest

- 为什么有人说 Python 的多线程是鸡肋呢？

 

[定向技术]

- Mining Twitter Data with Python

- Enterprise data -- Twitter Developers

- 基于搜狗微信搜索的微信公众号爬虫

- 爬取搜索引擎之搜狗