文章采集发布于海外论坛，主要靠三个办法。

　　文章采集发布于海外论坛，主要靠三个办法。

　　文章采集发布于海外论坛，

　　主要靠三个办法。

　　1、机器爬取。github上面有一些提供数据提取服务的项目，可以试试用这些组件爬。

　　2、改编一下。现在还有很多python的matplotlib库可以画简单的图像。

　　3、提取xml到本地。也有一些python的库，比如jsonjob可以提取xml信息。

　　《廖雪峰的python教程》把，

　　如果你不想依赖第三方的模块，就需要你自己写一个python解释器，不然爬取的也可能是不完整的。

　　楼上的都是大师，我也不是大师，认真学过爬虫但做不到，不过知道有一款爬虫不错，名字叫爬数据狗，它有自己专门提取excel数据的模块还有提取网页数据的模块，对我很有帮助，还会教你一些提取数据的法则，

　　怎么提取呢？需要爬虫吗？找个人帮你提取吗？

　　目前解决方案有3种吧：

　　1、自己写爬虫自己爬，

　　2、用第三方爬虫工具，他们自己有解析网页模块，使用那个模块即可。

　　3、自己写，爬个原始链接，然后用第三方抓取工具，让别人提取数据。

　　正好我是搞数据抓取的，简单说说我的使用经验。一般我是和自己的进销存一起搞爬虫，各位在操作爬虫之前要对进销存有足够的了解。进销存的原始数据都是和每天实际销售数据绑定的，我们通过一些不同方法爬出来，比如复制到header等等。再者就是分析进销存的历史销售数据，把历史销售数据转化为excel中的数据，等待查询。差不多就是这样一套数据抓取方案。