推 gmccntzx1: @WENroger 看到這篇應該可以更了解為什麼把問題敘述 09/20 14:21
→ gmccntzx1: 清楚才能更快尋求到幫助了吧？ 09/20 14:21
推 a9301040: 推 09/20 19:46
推 WENroger: 感謝H大的補充！ 09/21 11:20
推 smartree: 感謝思考的分享 09/22 02:52
※ 引述《WENroger (666)》之銘言：
: 標題: [問題] 爬蟲自動更新程式
: 時間: Wed Sep 19 16:36:26 2018
:
: 手機排版請見諒!!!!
: 是這樣的如題
:
: 小弟最近想寫一個爬蟲自動更新程式
: 程式有以下目的
:
: 例如：
: 我今天爬觀光局網站
: 將全部景點資訊爬下
: 過了一個月後觀光局多了10個新的景點
: 我可以透過這個程式讓爬蟲自動執行
: 並把這10個新的景點爬下來
:
: 請問這個程式是我需要另外再寫一個
: 還是我可以在python做出一樣目的？
: 另外就是我該從哪一方面的資訊去起手？
:
: 謝謝
:
: --
: → WENroger: 不知道怎麼讓爬蟲做到自動更新，像是網路上提到scrapy可 09/19 22:37
: → WENroger: 不可以做到這個目的？另外就是先前資料都是匯入excel做 09/19 22:37
: → WENroger: 整理再匯入資料庫，這樣子的步驟會不會影響爬蟲的自動 09/19 22:37
: → WENroger: 更新？ 09/19 22:37
你需要的是先學會找資料的方式，以工程師的思維來說是要將問題拆解
，一步步地去解決各個部分。我不知道你的搜尋方式會是什麼，可是這
對於寫程式來說，思維方式影響十分大，你都知道自己的問題是要自動
更新，然後還想知道 scrapy 這個框架能不能完成，不是應該查找的關
鍵字可以使用 "scrapy timer" "scrapy schedule" "scrapy routine"
光這些下去就找到一堆了，如果你說英文看不懂，很抱歉我在這樣的關
鍵字至少就找到了像下面這樣的中文討論區：
https://segmentfault.com/q/1010000008578604
https://blog.csdn.net/vivian_ll/article/details/65442105
甚至撇除你對 Python 或 scrapy 不熟，只是一個可以單次去爬的執行
檔，不論是 Windows/Unix/Linux 也可以做執行檔排程工作吧？
另外你提到的匯入 excel做整理再匯入資料庫，解決辦法也很多。你完
全可以捨棄這種方式，直接將爬取完的結果以適當的資料結構儲存，利
用 pandas 處理完之後，直接存取入資料庫。又或是使用 Python 直接
對 excel檔案進行存取，把匯入 excel做整理這件事情全都自動化，也
是可行的方式。
至於怎麼處理？怎麼匯入資料庫？善用你的搜尋引擎好嗎？
--
題外話，其實我不太懂你要用 Python 做這件事情的原因，因為照你的
說法，我去看了一下觀光局網站，你直接用 Excel 寫 vba 都能完成需
求，而且照你的問法你對 Python 也不熟的樣子…
爬蟲不是只有 Python 可以寫，當然他提供的框架讓你爬起來很方便，
開發起來速度也快。但你看起來似乎也不是很熟悉，我建議你先把問題
拆解，一個個功能慢慢再去添加：
1. 把網頁爬下來，並整理成具有規則規範的格式
在這個過程你就會遇到是不是要添加 header 檔案，
爬下的結果要怎麼適當地進行字串處理，可能要用到
xpath 去進行定位或是 Regular Expression 做字串
處理。
2. 將爬下來的結果輸出儲存
如果要儲存成 .xlsx檔要怎麼處理？是不是真的有需
要存成這種格式？還是單純的 .csv 也可以完成目標
？如果要匯入資料庫，是不是 python 可以實現？
3. 定期爬取
新資料跟舊資料的衝突處理？時間間隔？網站是否有
防止爬取的機制？我的 buffer time 是不是要調整
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 148.177.185.133
※ 文章網址: https://www.ptt.cc/bbs/Python/M.1537412036.A.1D0.html