网络爬虫c语言
A. 为什么c语言不适合写爬虫
开发效率低
B. c语言可以做什么
1、C语言可以做嵌入式开发。
2、C语言可以写漂亮的界面。以windows开发为例，你可以学习《windows程序设计（第五版）》，学完就可以写出界面来。还有一渗拿些开源库界面库亩闹，例如soui也是用C写出来的。
3、C语言可以做服务器开发，现在的游戏服务器端大多都是C/C++开发的。《windows核心编程》里面的例子就是用C写的。
4、C语言可以写游戏。cocos2d-x就是C/C++写的。DirectX也是。
5、C语言可以写驱动程序。windows下各种硬件驱动丛耐搭都是C/C++写的。腾讯游戏保护软件（TP）也是驱动程序。
6、C语言可以写外挂。想学写外挂的童鞋们可以看看郁金香的外挂编程视频教程。
7、C语言可以做视频图片流媒体处理。有兴趣的朋友可以学习一下ffmpeg、live555、sdl等开源库。
8、C语言可以做网页和爬虫相关的编程。想了解的同学可以去看gsoap、libcur等相关开源库。
9、C语言可以进行黑客编程。配合汇编获取随机地址、调shellcode等。
C. 我想用c编写一个爬虫程序，可是看完一本c语言教程后，还是觉得只会编写一些计算类的小代码，要学会编写
想做爬虫程序不是学完语言就行了，是要学很多东西的，你可以查一查大学计算机专业有哪些课程。
做爬虫可以学学java语言。
《网络机器人Java编程指南》
开源的爬虫产品
http://www.oschina.net/project/tag/64/spider?lang=19&os=0&sort=view&p=1
D. python和C语言哪个难
python相对而言要简单的多，而且python有很多工具库，这意味着有很多功能你不需要自己再开发，直接用就好
E. 可以一边学python爬虫一边学c语言吗
不建议这个学习规划。
建议先学习C语言，但不用学的很深。C语言是面向过程的，这思想适用于任何程序语言。
然后大致学习一下python的基础语法，再了解一下面向对象的编程思想。
最后再来学习爬虫，期间还需要了解html/js/css
当然这个属于系统的学习，可以深度的掌握爬虫技术。
如果你只是先爬一下简单的数据，使用度不高，那就无所谓，一些爬虫框架，其实就是配置一些简单的参数，使用节点提取函数，如果自学能力强，确实是很简单，可以直接学习。
F. Python为什么叫爬虫
爬虫一般是指网络资源的抓取，由于Python的脚本特性，易于配置对字符的处理非常灵活，Python有丰富的网络抓取模块，因此两者经常联系在一起Python就被叫作爬虫。爬虫可以抓取某个网站或者某个应用的内容提取有用的价值信息。还可以模拟用户在浏览器或者app应用上的操作行为，实现程序自动化。
Python为什么叫爬虫？
Python作为一门编程语言而言纯粹的自由软件，以简洁清晰的语法和强制使用空白符进行语句缩进的特点从而深受程序员的喜爱。用不同编程语言完成一个任务：c语言一共要写1000行代码；java要写100行；Python则只需要写20行的代码。若使用Python来完成编程任务编写代码量更少，代码简洁简短且可读性更强，一个团队进行开发的时候编写代码效率会更快，开发效率高让工作变得更加高效。
Python非常适合开发网络爬虫的编程语言，相比于其他静态编程语言，Python抓取网页文档的接口更简洁;相比于其他动态脚本语言，Python的urllib2包提供了较为完整的访问网页文档的API。Python中有优秀的第三方包可以高效实现网页抓取，并可用极短的代码完成网页的标签过滤功能。
Python爬虫的构架组成：
爬虫构架
1、URL管理器：管理待爬取的url集合和已爬取的url集合，传送待爬取的url给网页下载器；
2、网页下载器：爬取url对应的网页，存储成字符串，传送给网页解析器；
3、网页解析器：解析出有价值的数据，存储下来，同时补充url到URL管理器。
Python的工作流程则：
Python爬虫通过URL管理器，判断是否有待爬URL，如果有待爬URL，通过调度器进行传递给下载器，下载URL内容，并通过调度器传送给解析器，解析URL内容，并将价值数据和新URL列表通过调度器传递给应用程序，并输出价值信息的过程。
Python是一门非常适合开发网络爬虫的编程语言，提供了如urllib、re、json、pyquery等模块，同时又有很多成型框架，如Scrapy框架、PySpider爬虫系统等。代码十分的简洁方便，是新手学习网络爬虫首选编程语言。爬虫是指网络资源的抓取，因为Python的脚本特性，Python易于配置，对字符的处理也非常灵活，加上Python有丰富的网络抓取模块，所以两者经常联系在一起，Python语言更适合新手学习。
G. 怎么在DOS下用C语言写网络爬虫
获取cspider_t。
自定义user agent，cookie，timeout，proxy以及抓取线程和解析线程的最大数量。
添加初始要抓取的url到任务队列。
编写解析函数和数据持久化函数。
启动爬虫。
- #include<cspider/spider.h>
- /*
- 自定义的解析函数，d为获取到的html页面字符串
- */
- void p(cspider_t *cspider, char *d, void *user_data) {
- char *get[100];
- //xpath解析html
- int size = xpath(d, "//body/div[@class='wrap']/div[@class='sort-column area']/div[@class='column-bd cfix']/ul[@class='st-list cfix']/li/strong/a", get， 100);
- int i;
- for (i = 0; i < size; i++) {
- //将获取到的电影名称，持久化
- saveString(cspider, get[i]);
- }
- }
- /*
- 数据持久化函数，对上面解析函数中调用的saveString()函数传入的数据，进行进一步的保存
- */
- void s(void *str, void *user_data) {
- char *get = (char *)str;
- FILE *file = (FILE*)user_data;
- fprintf(file, "%s ", get);
- return;
- }
- int main() {
- //初始化spider
- cspider_t *spider = init_cspider();
- char *agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0";
- //char *cookie = "bid=s3/yuH5Jd/I; ll=108288; viewed=1130500_24708145_6433169_4843567_1767120_5318823_1899158_1271597; __utma=30149280.927537245.1446813674.1446983217.1449139583.4; __utmz=30149280.1449139583.4.4.utmcsr=accounts.douban.com|utmccn=(referral)|utmcmd=referral|utmcct=/login; ps=y; [email protected]; dbcl2=58742090:QgZ2PSLiDLQ; ck=T9Wn; push_noty_num=0; push_doumail_num=7; ap=1; __utmb=30149280.0.10.1449139583; __utmc=30149280";
- //设置要抓取页面的url
- cs_setopt_url(spider, "so.tv.sohu.com/list_p1100_p20_p3_u5185_u5730_p40_p5_p6_p77_p80_p9_2d1_p101_p11.html");
- //设置user agent
- cs_setopt_useragent(spider, agent);
- //cs_setopt_cookie(spider, cookie);
- //传入解析函数和数据持久化函数的指针
- cs_setopt_process(spider, p, NULL);
- //s函数的user_data指针指向stdout
- cs_setopt_save(spider, s, stdout);
- //设置线程数量
- cs_setopt_threadnum(spider, DOWNLOAD, 2);
- cs_setopt_threadnum(spider, SAVE, 2);
- //FILE *fp = fopen("log", "wb+");
- //cs_setopt_logfile(spider, fp);
- //开始爬虫
- return cs_run(spider);
- }
例子
先来看下简单的爬虫例子，会在后面详细讲解例子。