Question

爬虫框架都有什么？

Answer 1

以前写爬虫都是用java，都是自己手写，java里面相对webmagic来说，算是一个比较好的爬虫框架了，文档各个方面也都比较详细，那python里的scrapy 也是一样，感觉这两个框架还是有比较相似的设计思想在里面。

Answer 2

Scrapy：一个为了爬取网站数据，提取结构性数据而编写的应用框架。应用在数据挖掘、信息处理或者存储历史数据等一系列程序中。是很强大的爬虫框架，可以满足简单的页面爬取。
Crawley：高速爬取对应网站内容，支持关系和非关系数据库，数据可以导出为JSON、XML等。
Portia：开源可视化爬虫工具，使用者在不需要任何编程知识的情况下爬取网站，简单的注释自己感兴趣的页面，创建一个蜘蛛来从类似的页面提取数据。
newspaper：可以用来提取新闻、文章和内容分析。使用多线程、支持10多种语言。
python-goose：可以提取的信息包含文章主体内容、文章主要图片、文章中嵌入的任何Youtube/Vimeo视频、元描述、元标签。
Beautiful Soup：名气很大，整合了一些常用的爬虫需求。可以从HTML或XML文件中提取数据的Python库。