大部分爬蟲都是按“發送請求——獲得頁面——解析頁面——抽取並儲存內容”這樣的流程來進行，這其實也是模擬了我們使用瀏覽器獲取網頁信息的過程。Python中爬蟲相關的包很多：urllib、requests、bs4、scrapy、pyspider 等，建議從requests+Xpath 開始，requests 負責連接網站，返回網頁，Xpath 用於解析網頁，便於抽取數據。
如果妳用過 BeautifulSoup，會發現 Xpath 要省事不少，壹層壹層檢查元素代碼的工作，全都省略了。這樣下來基本套路都差不多，壹般的靜態網站根本不在話下。當然如果妳需要爬取異步加載的網站，可以學習瀏覽器抓包分析真實請求或者學習Selenium來實現自動化。
2.了解非結構化數據的存儲
爬回來的數據可以直接用文檔形式存在本地，也可以存入數據庫中。開始數據量不大的時候，妳可以直接通過 Python 的語法或 pandas 的方法將數據存為csv這樣的文件。當然妳可能發現爬回來的數據並不是幹凈的，可能會有缺失、錯誤等等，妳還需要對數據進行清洗，可以學習 pandas 包的基本用法來做數據的預處理，得到更幹凈的數據。
3.學習scrapy，搭建工程化爬蟲
掌握前面的技術壹般量級的數據和代碼基本沒有問題了，但是在遇到非常復雜的情況，可能仍然會力不從心，這個時候，強大的 scrapy 框架就非常有用了。scrapy 是壹個功能非常強大的爬蟲框架，它不僅能便捷地構建request，還有強大的 selector 能夠方便地解析 response，然而它最讓人驚喜的還是它超高的性能，讓妳可以將爬蟲工程化、模塊化。學會 scrapy，妳可以自己去搭建壹些爬蟲框架，妳就基本具備Python爬蟲工程師的思維了。
4.學習數據庫知識，應對大規模數據存儲與提取
Python客棧送紅包、紙質書
爬回來的數據量小的時候，妳可以用文檔的形式來存儲，壹旦數據量大了，這就有點行不通了。所以掌握壹種數據庫是必須的，學習目前比較主流的 MongoDB 就OK。MongoDB 可以方便妳去存儲壹些非結構化的數據，比如各種評論的文本，圖片的鏈接等等。妳也可以利用PyMongo，更方便地在Python中操作MongoDB。因為這裏要用到的數據庫知識其實非常簡單，主要是數據如何入庫、如何進行提取，在需要的時候再學習就行。
5.掌握各種技巧，應對特殊網站的反爬措施
當然，爬蟲過程中也會經歷壹些絕望啊，比如被網站封IP、比如各種奇怪的驗證碼、userAgent訪問限制、各種動態加載等等。遇到這些反爬蟲的手段，當然還需要壹些高級的技巧來應對，常規的比如訪問頻率控制、使用代理IP池、抓包、驗證碼的OCR處理等等。往往網站在高效開發和反爬蟲之間會偏向前者，這也為爬蟲提供了空間，掌握這些應對反爬蟲的技巧，絕大部分的網站已經難不到妳了。
6.分布式爬蟲，實現大規模並發采集，提升效率
爬取基本數據已經不是問題了，妳的瓶頸會集中到爬取海量數據的效率。這個時候，相信妳會很自然地接觸到壹個很厲害的名字：分布式爬蟲。分布式這個東西，聽起來很恐怖，但其實就是利用多線程的原理讓多個爬蟲同時工作，需要妳掌握Scrapy+ MongoDB + Redis 這三種工具。Scrapy 前面我們說過了，用於做基本的頁面爬取，MongoDB 用於存儲爬取的數據，Redis 則用來存儲要爬取的網頁隊列，也就是任務隊列。所以有些東西看起來很嚇人，但其實分解開來，也不過如此。當妳能夠寫分布式的爬蟲的時候，那麽妳可以去嘗試打造壹些基本的爬蟲架構了，實現壹些更加自動化的數據獲取。
只要按照以上的Python爬蟲學習路線，壹步步完成，即使是新手小白也能成為老司機，而且學下來會非常輕松順暢。所以新手在壹開始的時候，盡量不要系統地去啃壹些東西，找壹個實際的項目，直接開始操作。
其實學Python編程和練武功其實很相似，入門大致這樣幾步:找本靠譜的書,找個靠譜的師傅，找壹個地方開始練習。
學語言也是這樣的：選壹本通俗易懂的書，找壹個好的視頻資料，然後自己裝壹個IDE工具開始邊學邊寫。
7.給初學Python編程者的建議：
①信心。可能妳看了視頻也沒在屏幕上做出點啥，都沒能把程序運行起來。但是要有自信，所有人都是這樣過來的。
②選擇適合自己的教程。有很早的書籍很經典，但是不是很適合妳，很多書籍是我們學過壹遍Python之後才會發揮很大作用。
③寫代碼，就是不斷地寫，練。這不用多說，學習什麽語言都是這樣。總看視頻，編不出東西。可以從書上的小案例開始寫，之後再寫完整的項目。
④除了學Python，計算機的基礎也要懂得很多，補壹些英語知識也行。
⑤不但會寫，而且會看，看源碼是壹個本領，調試代碼更是壹個本領，就是解決問題的能力，挑錯。理解妳自己的報錯信息，自己去解決。
⑥當妳到達了壹個水平，就多去看官方的文檔，在CSDN上面找下有關Python的博文或者群多去交流。
希望想學習Python的利用好現在的時間，管理好自己的學習時間，有效率地學習Python，Python這門語言可以做很多事情。