《Python网络爬虫从入门到实践 第2版》第14章 爬虫实践一：维基百科

第14章　爬虫实践一：维基百科

“是骡子是马，拉出来遛遛”。我们已经将Python网络爬虫的技术系统地学习完了，后面几个章节开始进入实践环节。每一章都会使用之前学习的技术，通过实践提升爬虫的技术水平。只有通过实践，才能真正地积累知识，掌握网络爬虫的点石成金之术。

维基百科是一个网络百科全书，在一般情况下允许用户编辑任何条目。当前维基百科由非营利组织维基媒体基金会负责营运。维基百科一词是由网站核心技术Wiki和具有百科全书之意的encyclopedia共同创造出来的新混合词Wikipedia。

本章将给出一个爬取维基百科的实践项目，所采用的爬虫技术包括以下4种。

·爬取网页：静态网页爬虫

·解析网页：正则表达式

·存储数据：存储至txt

·进阶新技术：深度优先的递归爬虫，广度优先的多线程爬虫

目录

第14章　爬虫实践一：维基百科

14.1　项目描述

14.1.1　项目目标

14.1.2　项目描述

14.1.3　深度优先和广度优先

14.2　网站分析

14.3　项目实施：深度优先的递归爬虫

14.4　项目进阶：广度优先的多线程爬虫

14.5　总结

---

14.1　项目描述