java怎么写爬虫？
爬虫都是基于现有的框架来开发的，基于java语言实现的爬虫框架很多，这里列举一个:WebMagic，它的架构设计参照了Scrapy，应用了HttpClient、Jsoup等Java成熟的工具，包含四个组件(Downloader、PageProcessor、Scheduler、Pipeline)，Spider是WebMagic内部流程的核心，上面的四个组件都相当于Spider的一个属性，通过设置这个属性可以实现不同的功能。
scrapy爬虫框架入门实例？
以下是一个简单的Scrapy爬虫框架入门实例：
1. 首先，安装Scrapy。可以使用pip命令来安装Scrapy：pip install scrapy。
2. 创建一个新的Scrapy项目。在命令行中执行以下命令：scrapy startproject myproject，其中myproject是项目的名称。
3. 进入项目目录。在命令行中执行以下命令：cd myproject。
4. 创建一个新的Spider。在命令行中执行以下命令：scrapy genspider example example.com，其中example是Spider的名称，example.com是要爬取的网站的域名。
5. 打开生成的example.py文件，可以看到一个简单的Spider类。在该类中，可以定义如何爬取网站的规则，以及如何解析获取的数据。
6. 在Spider类中，可以定义一个start_urls列表，其中包含要爬取的起始URL。可以通过编写parse方法来处理这些URL并解析数据。
7. 在parse方法中，可以使用Scrapy提供的选择器（Selector）来提取需要的数据。例如，可以使用XPath或CSS选择器来定位并提取HTML元素。
8. 可以使用yield关键字来返回提取到的数据，Scrapy会自动将其保存到指定的文件或数据库中。
9. 运行爬虫。在命令行中执行以下命令：scrapy crawl example，其中example是Spider的名称。
10. 等待爬虫完成。Scrapy会按照Spider类中定义的规则自动爬取网站，并将数据保存到指定的位置。
这只是一个非常简单的Scrapy爬虫框架入门实例，仅介绍了最基本的用法。Scrapy还有很多功能和选项，可以根据具体需求进行配置和扩展。
用Python写爬虫，用什么方式、框架比较好？
我自己用scrapy比较多一些。当然小一点的项目直接就是requests。数据库的话看需求的，小一点的项目直接用sqlite，mysql和mongodb也是可以的
Python中好用的爬虫框架
一般比较小型的爬虫需求，可以直接使用requests库 + bs4（beautifulsoup）就可以解决了，再麻烦点的可以使用selenium，selenium可以很好的解决js的异步加载问题，相对比较大型的需求才会使用到，主要是便于管理以及扩展等。
1.Scrapy
Scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。
项目地址：
2.PySpider
pyspider 是一个用python实现的功能强大的网络爬虫系统，能在浏览器界面上进行脚本的编写，功能的调度和爬取结果的实时查看，后端使用常用的数据库进行爬取结果的存储，还能定时设置任务与任务优先级等。
项目地址：
3.Crawley
Crawley可以高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为JSON、XML等。
项目地址：
4.Portia
Portia是一个开源可视化爬虫工具，可让您在不需要任何编程知识的情况下爬取网站！简单地注释您感兴趣的页面，Portia将创建一个蜘蛛来从类似的页面提取数据。
项目地址：
5.Newspaper
Newspaper可以用来提取新闻、文章和内容分析。使用多线程，支持10多种语言等。
项目地址：
6.Beautiful Soup
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Beautiful Soup会帮你节省数小时甚至数天的工作时间。
项目地址：
7.Grab
Grab是一个用于构建Web刮板的Python框架。借助Grab，您可以构建各种复杂的网页抓取工具，从简单的5行脚本到处理数百万个网页的复杂异步网站抓取工具。Grab提供一个API用于执行网络请求和处理接收到的内容，例如与HTML文档的DOM树进行交互。
项目地址：
8.Cola
Cola是一个分布式的爬虫框架，对于用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。任务会自动分配到多台机器上，整个过程对用户是透明的。
项目地址：