第二篇爬虫文章来了，只不过是前传

[wisefree]

第一篇： https://www.v2ex.com/t/351900

第二篇： http://www.jianshu.com/p/b3bc88ffb251 爬虫中的正则表达式（ re ）—前传

这篇文章只是一个开头，希望通过这篇文章收集大家的建议

1. 大家认为好的资料（ github 上的，自己写的，你认为写的比较好的博客....都行）

我可以把推荐的资料放在文末的参考资料中或者直接写在正文中，当然会推荐者署名

1. 大家对这篇文章的建议，应该怎么写比较好，欢迎大家提建议

2. 欢迎投稿，；）

[WildCat]

期待代理池的文章！

[wisefree]

@WildCat 正则写完就写代理池。当然还要看正则这篇文章的反馈情况，：）

[Merlini]

期待并发和代理池

[zjhui]

同期待代理池

[jimmy66]

期待代理池+1

[wisefree]

@Merlini 嗯，等我写完正则。。。或者可以投稿把正则这个坎绕过去

[wisefree]

@zjhui 等我写完正则。。。或者可以投稿把正则这个坎绕过去

[wisefree]

@jimmy66 好的，我会根据反馈情况不断修正文章的更新进度

[dsg001]

期待代理池+1

[demonchang]

代理池等待中

[wisefree]

@dsg001
@demonchang
嗯，这个等我慢慢跳坑
欢迎投稿

[UnisandK]

看大家期望这么高你要不先把代理池写了（逃

[wisefree]

@UnisandK 这个很难做到，文章不能大跃进啊（摊手

[wisefree]

代理池构建的思路是：
1. 正则匹配出代理 ip ，有些免费网页很规则，用 beautifulsoup 就行

2. 检查是否为高匿代理，为了加快检查速度，采取多进程

3. 加上高匿代理，进行爬虫

所以，正则是基础，多进程也很重要（多线程也行）

大家可以根据这些知识点，进行自学，如果学好了，欢迎投稿，:)

我的文章不会更新这么快，因为我想写点不一样的东西，符合我的行文特点，：）

（当然主要是因为，我要写毕业论文....还有....找工作...）

[wisefree]

补充一下，当然有要有刷新代理池中代理的代码，而且一般代理极易失效

[prasanta]

如何高效获取一手 ip 代理，而不是从别人网站上爬，题主有思路么

[wisefree]

@prasanta 这个还真没思路。可能只有花钱买吧

[saxon]

最好详细讲解一下 并发原理...
pycon2015 上讲的就不错
不然新人看了 还是一头雾水

[wisefree]

@saxon 谢谢建议。文章中不涉及基础原理，只讲实战部分。主要原因是原理部分我真的讲不好。

如果有并发原理的好文章，欢迎投稿，：）

[yxisen]

期待数据入库 0.0