/spider.py

A spider.py

Primary LanguagePython

关于该爬虫

程序运行示例: Spider.py -u url -d depth Url,depth 为必需参数,其他为可选参数,日志文件默认当前目录,名字:spider.log,日志等级默 认为3。数据库为:data.sql,也是当前目录。

  关键字是匹配源码中标签<meta>的content属性的值

自检模块只是检查网络连接,和数据库连接。

winXP sp3 和 ubuntu12.10测试均能正常运行 目前自知的缺点: 对于命令参数,没有仔细检查分析,如:spider -u s -d 2程序一样会运行

主要参考: Python爬虫
http://bbs.chinaunix.net/thread-3689276-1-1.html 对Python线程池进行详细说明 http://developer.51cto.com/art/201002/185290.htm BeautifulSoup学习笔记 http://pqcc.iteye.com/blog/627481 python之sqlite3使用详解 http://anony3721.blog.163.com/blog/static/5119742010716104442536/ Python模块学习 http://www.cnblogs.com/captain_jack/archive/2011/01/11/1933366.html