关于web爬虫的tips-创新互联

1. 网站爬虫限制默认在心中
   robots.txt

   

   成都创新互联是专业的安陆网站建设公司，安陆接单;提供成都网站设计、网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行安陆网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

2. 爬一个网站怎么预测爬的量
   
   

3. 每个网站都使用各种各样的技术，怎么确定网站使用的技术
   pip install builtwith

    >>> import builtwith

    >>> builtwith.parse('http://www.douban.com')

   {u'javascript-frameworks': [u'jQuery'], u'tag-managers': [u'Google Tag Manager'], u'analytics': [u'Piwik']}

4. #网站的所属者
   pip install python-whois
   >>> print whois.whois('cnblogs.com')
   {
     "updated_date": [
       "2014-11-12 00:00:00", 
       "2014-11-12 01:07:15"
     ], 
     "status": [
       "clientDeleteProhibited https://icann.org/epp#clientDeleteProhibited", 
       "clientTransferProhibited https://icann.org/epp#clientTransferProhibited"
     ], 
     "name": "du yong", 
     "dnssec": "unsigned", 
     "city": "Shanghai", 
     "expiration_date": [
       "2021-11-12 00:00:00", 
       "2021-11-11 04:00:00"
     ], 
     "zipcode": "201203", 
     "domain_name": [
       "CNBLOGS.COM", 
       "cnblogs.com"
     ], 
     "country": "CN", 
     "whois_server": "whois.35.com", 
     "state": "Shanghai", 
     "registrar": "35 Technology Co., Ltd.", 
     "referral_url": "http://www.35.com", 
     "address": "Room 312, No.22 BOXIA Rd, Pudong New District", 
     "name_servers": [
       "NS3.DNSV4.COM", 
       "NS4.DNSV4.COM", 
       "ns3.dnsv4.com", 
       "ns4.dnsv4.com"
     ], 
     "org": "Shanghai Yucheng Information Technology Co. Ltd.", 
     "creation_date": [
       "2003-11-12 00:00:00", 
       "2003-11-11 04:00:00"
     ], 
     "emails": [
       "abuse@35.cn", 
       "dudu.yz@gmail.com"
     ]
   }

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

分享名称：关于web爬虫的tips-创新互联
本文链接：http://bjjierui.cn/article/hhdco.html