現(xiàn)在學習python和了解python的人是越來越多了，一方面是因為互聯(lián)網(wǎng)的數(shù)據(jù)越來越多，也有一個方面是python這樣的編程語言可以讓很多的編程變的更加的容易。所以就有很多的小白就會開始想要學習python來進入到這個行業(yè)，那么對于零基礎的學員來學習python的路徑是什么樣的呢?

　　一、學習 Python 包并實現(xiàn)基本的爬蟲過程

　　大部分爬蟲都是按“發(fā)送請求——獲得頁面——解析頁面——抽取并儲存內(nèi)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(wǎng)頁信息的過程。

　　Python中爬蟲相關(guān)的包很多：urllib、requests、bs4、scrapy、pyspider 等，建議從requests+Xpath 開始，requests 負責連接網(wǎng)站，返回網(wǎng)頁，Xpath 用于解析網(wǎng)頁，便于抽取數(shù)據(jù)。

　　如果你用過 BeautifulSoup，會發(fā)現(xiàn) Xpath 要省事不少，一層一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，一般的靜態(tài)網(wǎng)站根本不在話下，豆瓣、糗事百科、騰訊新聞等基本上都可以上手了。

　　二、掌握各種技巧，應對特殊網(wǎng)站的反爬措施

　　當然，爬蟲過程中也會經(jīng)歷一些絕望，比如被封IP、比如各種奇怪的驗證碼、字體加密、userAgent訪問限制、各種動態(tài)加載等等。

　　遇到這些反爬蟲的手段，當然還需要一些的技巧來應對，常規(guī)的比如訪問頻率控制、使用代理IP池、字體反加密、抓包、驗證碼的OCR處理等等。

　　往往網(wǎng)站在高效開發(fā)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(wǎng)站已經(jīng)難不到你了。

　　三、學習 scrapy，搭建工程化的爬蟲

　　掌握前面的技術(shù)一般量級的數(shù)據(jù)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 是一個功能非常強大的爬蟲框架，它不僅能便捷地構(gòu)建request，還有強大的 selector 能夠方便地解析 response，然而它讓人驚喜的還是它超高的性能，讓你可以將爬蟲工程化、模塊化。

　　學會 scrapy，你可以自己去搭建一些爬蟲框架，你就基本具備爬蟲工程師的思維了。

　　四、學習數(shù)據(jù)庫基礎，應對大規(guī)模數(shù)據(jù)存儲

　　爬回來的數(shù)據(jù)量小的時候，你可以用文檔的形式來存儲，一旦數(shù)據(jù)量大了，這就有點行不通了。所以掌握一種數(shù)據(jù)庫是必須的，學習目前比較主流的 MongoDB 就OK。

　　MongoDB 可以方便你去存儲一些非結(jié)構(gòu)化的數(shù)據(jù)，比如各種評論的文本，圖片的鏈接等等。你也可以利用PyMongo，更方便地在Python中操作MongoDB。

　　因為這里要用到的數(shù)據(jù)庫知識其實非常簡單，主要是數(shù)據(jù)如何入庫、如何進行提取，在需要的時候再學習就行。

　　五、分布式爬蟲，實現(xiàn)大規(guī)模并發(fā)采集

　　爬取基本數(shù)據(jù)已經(jīng)不是問題了，你的瓶頸會集中到爬取海量數(shù)據(jù)的效率。這個時候，相信你會很自然地接觸到一個很厲害的名字：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，需要你掌握 Scrapy + MongoDB + Redis 這三種工具。

　　零基礎學習任何一門技術(shù)都是比較難的，但是如果說你找到了對的學習路線的話，那么就會變的特別的容易。零基礎想要學習python技術(shù)的話，粵嵌科技歡迎大家來我們公司的python培訓班進行學習，我們有針對零基礎的學員開設的零基礎班級。大家也可以先點擊我們文章下面的獲取試聽資格按鈕來獲取我們的python培訓課程試聽資格，來免費體驗我們的課程，并和我們的講師進行面對面的交流和互動。