python和PHP相比較，python適合做爬蟲(chóng)。原因如下

抓取網(wǎng)頁(yè)本身的接口

相比與其他靜態(tài)編程語(yǔ)言，如java，c#，C++，python抓取網(wǎng)頁(yè)文檔的接口更簡(jiǎn)潔；相比其他動(dòng)態(tài)腳本語(yǔ)言，如perl，shell，python的urllib2包提供了較為完整的訪問(wèn)網(wǎng)頁(yè)文檔的API。（當(dāng)然ruby也是很好的選擇）

此外，抓取網(wǎng)頁(yè)有時(shí)候需要模擬瀏覽器的行為，很多網(wǎng)站對(duì)于生硬的爬蟲(chóng)抓取都是封殺的。這是我們需要模擬user agent的行為構(gòu)造合適的請(qǐng)求，譬如模擬用戶登陸、模擬session/cookie的存儲(chǔ)和設(shè)置。在python里都有非常優(yōu)秀的第三方包幫你搞定，如Requests，mechanize

網(wǎng)頁(yè)抓取后的處理

抓取的網(wǎng)頁(yè)通常需要處理，比如過(guò)濾html標(biāo)簽，提取文本等。python的beautifulsoap提供了簡(jiǎn)潔的文檔處理功能，能用極短的代碼完成大部分文檔的處理。

其實(shí)以上功能很多語(yǔ)言和工具都能做，但是用python能夠干得最快，最干凈。Life is short， u need python.

py用在linux上很強(qiáng)大，語(yǔ)言挺簡(jiǎn)單的。

NO.1 快速開(kāi)發(fā)（唯一能和python比開(kāi)發(fā)效率的語(yǔ)言只有rudy）語(yǔ)言簡(jiǎn)潔，沒(méi)那么多技巧，所以讀起來(lái)很清楚容易。

NO.2跨平臺(tái)（由于python的開(kāi)源，他比java更能體現(xiàn)”一次編寫到處運(yùn)行”

NO.3解釋性（ 無(wú)須編譯，直接運(yùn)行／調(diào)試代碼）

NO.4構(gòu)架選擇太多（GUI構(gòu)架方面 主要的就有 wxPython, tkInter, PyGtk, PyQt 。

PHP 腳本主要用于以下三個(gè)領(lǐng)域：

服務(wù)端腳本。這是 PHP 最傳統(tǒng)，也是最主要的目標(biāo)領(lǐng)域。開(kāi)展這項(xiàng)工作需要具備以下三點(diǎn)：PHP 解析器（CGI 或者服務(wù)器模塊）、web

服務(wù)器和 web 瀏覽器。需要在運(yùn)行 web 服務(wù)器時(shí)，安裝并配置 PHP，然后，可以用 web 瀏覽器來(lái)訪問(wèn) PHP 程序的輸出，即瀏覽服務(wù)

端的 PHP 頁(yè)面。如果只是實(shí)驗(yàn) PHP 編程，所有的這些都可以運(yùn)行在自己家里的電腦中。請(qǐng)查閱安裝一章以獲取更多信息。命令行腳本。

可以編寫一段 PHP 腳本，并且不需要任何服務(wù)器或者瀏覽器來(lái)運(yùn)行它。通過(guò)這種方式，僅僅只需要 PHP 解析器來(lái)執(zhí)行。這種用法對(duì)于依

賴 cron（Unix 或者 Linux 環(huán)境）或者 Task Scheduler（Windows 環(huán)境）的日常運(yùn)行的腳本來(lái)說(shuō)是理想的選擇。這些腳本也可以用來(lái)處

理簡(jiǎn)單的文本。請(qǐng)參閱 PHP 的命令行模式以獲取更多信息。編寫桌面應(yīng)用程序。對(duì)于有著圖形界面的桌面應(yīng)用程序來(lái)說(shuō)，PHP 或許不是

一種最好的語(yǔ)言，但是如果用戶非常精通 PHP，并且希望在客戶端應(yīng)用程序中使用 PHP 的一些高級(jí)特性，可以利用 PHP-GTK 來(lái)編寫這

些程序。用這種方法，還可以編寫跨平臺(tái)的應(yīng)用程序。PHP-GTK 是 PHP 的一個(gè)擴(kuò)展，在通常發(fā)布的 PHP 包中并不包含它。

網(wǎng)友觀點(diǎn)擴(kuò)展：

我用 PHP Node.js Python 寫過(guò)抓取腳本，簡(jiǎn)單談一下吧。

首先PHP。先說(shuō)優(yōu)勢(shì)：網(wǎng)上抓取和解析html的框架一抓一大把，各種工具直接拿來(lái)用就行了，比較省心。缺點(diǎn)：首先速度/效率很成問(wèn)題，有一次下載電影海報(bào)的時(shí)候，由于是crontab定期執(zhí)行，也沒(méi)做優(yōu)化，開(kāi)的php進(jìn)程太多，直接把內(nèi)存撐爆了。然后語(yǔ)法方面也很拖沓，各種關(guān)鍵字 符號(hào) 太多，不夠簡(jiǎn)潔，給人一種沒(méi)有認(rèn)真設(shè)計(jì)過(guò)的感覺(jué)，寫起來(lái)很麻煩。

Node.js。優(yōu)點(diǎn)是效率、效率還是效率，由于網(wǎng)絡(luò)是異步的，所以基本如同幾百個(gè)進(jìn)程并發(fā)一樣強(qiáng)大，內(nèi)存和CPU占用非常小，如果沒(méi)有對(duì)抓取來(lái)的數(shù)據(jù)進(jìn)行復(fù)雜的運(yùn)算加工，那么系統(tǒng)的瓶頸基本就在帶寬和寫入MySQL等數(shù)據(jù)庫(kù)的I/O速度。當(dāng)然，優(yōu)點(diǎn)的反面也是缺點(diǎn)，異步網(wǎng)絡(luò)代表你需要callback，這時(shí)候如果業(yè)務(wù)需求是線性了，比如必須等待上一個(gè)頁(yè)面抓取完成后，拿到數(shù)據(jù)，才能進(jìn)行下一個(gè)頁(yè)面的抓取，甚至多層的依賴關(guān)系，那就會(huì)出現(xiàn)可怕的多層callback！基本這時(shí)候，代碼結(jié)構(gòu)和邏輯就會(huì)一團(tuán)亂麻。當(dāng)然可以用Step等流程控制工具解決這些問(wèn)題。

最后說(shuō)Python。如果你對(duì)效率沒(méi)有極端的要求，那么推薦用Python！首先，Python的語(yǔ)法很簡(jiǎn)潔，同樣的語(yǔ)句，可以少敲很多次鍵盤。然后，Python非常適合做數(shù)據(jù)的處理，比如函數(shù)參數(shù)的打包解包，列表解析，矩陣處理，非常方便。

到此這篇關(guān)于python和php哪個(gè)更適合寫爬蟲(chóng)的文章就介紹到這了,更多相關(guān)php和python哪個(gè)適合做爬蟲(chóng)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論