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
通过 robots.txt 的 sitemap 来抓取一个网站当天新产生的 URL 很方便
bighead22 2019-01-10 15:40:14 +08:00 1772 次点击这是一个创建于 2469 天前的主题，其中的信息可能已经有所发展或是发生改变。
有的网站有 sitemap 文件，本就是给百度这类爬虫看的，会把当天新产生的 URL 和最近更新的 URL 放在 sitemap 文件里，这样就不用整过遍历网站，节约单宽，尤其是大型网站有上千万，过亿页面这类网站，通过抓取 sitemap 来发现新增 URL 比较有效。 就像这篇文章说的一样： https://www.yuanrenxue.com/crawler/crawler-tricks-3.html
Select Language