前面的教程以微博博主主页采集为例，目标是采集博主名称、微博内容、发博日期、微博内容、转发数、评论数和点赞数。本期重点讲解如何设定翻页采集。

前面的教程说了，数据抓取完毕之后，数据以xml格式的形式存储在本地文件夹中。下面简单地说一下如何将保存在本地的XML文件转成Excel格式。

漫漫网页数据大海洋，有一种数据搬运工的生物存在，他可能是数据分析师、也可能是爬虫工程师、也可能是业务员...等等。

与各种大企业相比，大数据对于没有数据资源的个体而言是奢侈品。然而在“互联网思维”、“互联网+”引领下，我们应当勇于实践和颠覆传统，将数据平民化。

在Python 即时网络爬虫项目启动说明中我们讨论一个数字：程序员浪费在调测内容提取规则上的时间太多了，从而我们发起了这个项目，把程序员从繁琐的调测规则中解放出来，投入到更高端的数据处...

上一篇《Python爬虫实战（3）：安居客房产经纪人信息采集》，访问的网页是静态网页，有朋友模仿那个实战来采集动态加载豆瓣小组的网页，结果不成功。本篇是针对动态网页的数据采集编程实战。...

Python自带一个轻量级的关系型数据库SQLite。这一数据库使用SQL语言。SQLite作为后端数据库，可以搭配Python建网站，或者为python网络爬虫存储数据。SQLite还在其它领域有广泛的应用，比如H...

《Scrapy的架构初探》一文所讲的Spider是整个架构中最定制化的一个部件，Spider负责把网页内容提取出来，而不同数据采集目标的内容结构不一样，几乎需要为每一类网页都做定制。我们有个设想：...

本文讲解怎样用Python驱动Firefox浏览器写一个简易的网页数据采集器。开源Python即时网络爬虫项目将与Scrapy（基于twisted的异步网络框架）集成，所以本例将使用Scrapy采集淘宝这种含有大量a...