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
这是一个创建于 1400 天前的主题，其中的信息可能已经有所发展或是发生改变。
手上有个舆情爬虫项目，需要监控几百个企业和一些关键词的网络舆情。本人之前主要有爬取单个网站的经历，查找了些资料，打算使用 scrapy_redis 分布式爬虫，数据库用 mongodb，还有在考虑用 hadoop 存储框架 这样数据传输和计算方便些。有没有做过同时采集多个网站的高手指点下 爬虫框架和存储应该选择哪种更好
 |
1
AntoniotheFuture 2021-01-07 14:31:30 +08:00
舆情爬虫有商业服务了，要不要考虑一下？
|
 |
2
liwenbest OP @AntoniotheFuture 加我 QQ986636628 私聊
|
|
3
AntoniotheFuture 2021-01-07 14:49:17 +08:00
@liwenbest 我没有做，你百度一下有很多啊
|
 |
4
Keyes 2021-01-07 14:55:03 +08:00
预算多少，买个现成的，卖两个人过去看着吧，我司舆情项目都 saas 化了，单一系统根本收不回成本
|
 |
6
czfy 2021-01-07 15:00:48 +08:00  1
这种从 0 开始不太现实吧..数说故事 /明略 /秒针之类的都有解决方案
|
 |
7
murmur 2021-01-07 15:05:35 +08:00
是真的要做还是要坑人钱，爬微博知乎就省省吧，贴吧那么多你爬哪里
|
 |
12
smgui 2021-01-07 16:34:14 +08:00
可以试试这个，试过用 kafka 和 rabbitmq 作为队列爬了些网络小说：
https://github.com/Insutanto/scrapy-distributed 这些框架的源代码都很简单，完全可以自己造轮子。 |
 |
14
tisswb 2021-01-12 10:28:25 +08:00
我几年前做过类似项目，用的是 scrapy_redis + elasticsearch 的组合，基本够用
|
Select Language