深入淺出爬蟲之道：Python、Golang與GraphQuery的對比

本文將分別使用 Python ，Golang 以及 GraphQuery 來解析某網站的 素材詳情頁面 ，這個頁面的特色是具有清晰的數(shù)據(jù)結構，但是DOM結構不夠規(guī)范，無法通過單獨的選擇器定位頁面元素，對頁面的解析造成了一些曲折。通過這個頁面的解析過程，深入淺出的了解爬蟲的解析思想與這些語言之間的異同。

成都創(chuàng)新互聯(lián)公司是一家專注于成都網站建設、網站制作與策劃設計,通遼網站建設哪家好?成都創(chuàng)新互聯(lián)公司做網站,專注于網站建設10多年,網設計領域的專業(yè)建站公司;建站業(yè)務涵蓋:通遼等地區(qū)。通遼做網站價格咨詢:13518219792

  • 深入淺出爬蟲之道： Python、Golang與GraphQuery的對比
    • 一、前言
      • 1. 語義化的DOM結構
      • 2. 穩(wěn)定的解析代碼
    • 二、進行頁面的解析
      • 使用Python進行頁面的解析
        • 1. 獲取title節(jié)點
        • 2. 獲取size節(jié)點
        • 3. 完整的Python代碼
      • 使用Golang進行頁面的解析
      • 使用GraphQuery進行解析
        • 1. 在Golang中調用GraphQuery
        • 2. 在Python中調用GraphQuery
    • 三、后記

一、前言

在前言中，為了防止在后面的章節(jié)產生不必要的困擾，我們將會首先了解一些基本的編程理念。

1. 語義化的DOM結構

這里我們講的語義化的DOM結構，不僅僅包括 語義化的html標簽，也包括了語義化的選擇器，在前端開發(fā)中應該注意的是，所有的動態(tài)文本都應該有單獨的 html 標簽包裹，并最好賦予其語義化的 class 屬性或 id 屬性，這在版本功能的迭代中，對前端和后端的開發(fā)都是大有裨益的，比如下面的HTML代碼：

<div class="main-right fr">
    <p>編號：32490230</p>
    <p class="main-rightStage">模式：RGB</p>
    <p class="main-rightStage">體積：16.659 MB</p>
    <p class="main-rightStage">分辨率：72dpi</p>
</div>

這就是不夠語義化的前端代碼，32504070，RGB，16.659 MB，72dpi這些值都是動態(tài)屬性， 會跟隨編號的改變而改變，在規(guī)范的開發(fā)中，應該將這些 動態(tài)變化的屬性，分別用 &lt;span&gt; 這類行內標簽包裹起來，并賦予其一定的語義化選擇器，在上面的HTML結構中大致可以推測出這是后端直接使用 foreach 渲染出的頁面，這是不符合前后端分離的思想的，如果有一天他們決定使用 jsonp 或 Ajax 渲染這些屬性， 由前端進行渲染，工作量無疑會上一個層次。語義化的DOM結構更傾向于下面這樣：

<p class="main-rightStage property-mode">
    模式：<span>RGB</span>
</p>

也可以將 property-mode 直接作為 span 的 class 屬性，這樣這些屬性無論是后端渲染，還是前端動態(tài)渲染都減輕了產品迭代產生的負擔。

2. 穩(wěn)定的解析代碼

在 語義化的DOM結構 之后，我們來談談穩(wěn)定的解析代碼， 對于下面的DOM結構：

<div class="main-right fr">
    <p>編號：32490230</p>
    <p class="main-rightStage">模式：RGB</p>
    <p class="main-rightStage">體積：16.659 MB</p>
    <p class="main-rightStage">分辨率：72dpi</p>
</div>

如果我們想要提取 模式 信息，當然可以采取下面的步驟：

  1. 選取 class 屬性中包含 main-right 的 div
  2. 選取這個 div 中第二個 p 元素，取出其包含的文本
  3. 刪除文本中的 模式：， 得到模式為 RGB

雖然成功獲取到了想要的結果，但是這樣的解析方法，我們認為它是 不穩(wěn)定的，這個不穩(wěn)定是指 在其祖先元素、兄弟元素等自身以外的元素節(jié)點發(fā)生一定程度的結構改變時，導致解析錯誤或失敗的情況， 比如如果有一天在 模式 所在的節(jié)點之前增加了一個 尺寸 的屬性：

<div class="main-right fr">
    <p>編號：32490230</p>
    <p class="main-rightStage">尺寸：4724×6299像素</p>
    <p class="main-rightStage">模式：RGB</p>
    <p class="main-rightStage">體積：16.659 MB</p>
    <p class="main-rightStage">分辨率：72dpi</p>
</div>

那么我們之前的解析將會發(fā)生錯誤（什么？你覺得不可能發(fā)生這樣的變動？請對比 Page1 和 Page2）。
那我們應該如何寫出更穩(wěn)定的解析代碼呢，對于上面的DOM結構，我們可以有下面幾種思路：
思路一： 遍歷 class 屬性為 main-rightStage的 p 節(jié)點，依次判斷節(jié)點的文本是否以 模式 開頭， 如果是， 取出其 ： 后的內容，缺點是邏輯太多，不易維護且降低了代碼可讀性。
思路二： 使用正則表達式 模式：([A-Z]+) 進行匹配，缺點是使用不當可能造成效率問題。
思路三： 使用 CSS選擇器中的 contains 方法，比如 .main-rightStage:contains(模式)， 就可以選取文本中包含 模式，且 class 屬性中包含 main-rightStage 的節(jié)點了。但缺點是不同語言和不同庫對這種語法的支持程度各有不同，缺乏兼容性。
使用哪種方法，仁者見仁智者見智，不同的解析思路帶來的解析的 穩(wěn)定性、代碼的 復雜程度、運行效率 和 兼容性 都是不同的， 開發(fā)者需要從各種因素中進行權衡， 來寫出最優(yōu)秀的解析代碼。

二、進行頁面的解析

在進行頁面數(shù)據(jù)的抽取之前，首先要做的是明確我們需要哪些數(shù)據(jù)、頁面上提供了哪些數(shù)據(jù)，然后設計出我們需要的數(shù)據(jù)結構。首先打開 待解析頁面， 由于其最上方的 瀏覽量、收藏量、下載量等數(shù)據(jù)是動態(tài)加載的， 在我們的演示中暫時不需要，而這個頁面右邊的 尺寸、模式 等數(shù)據(jù)，通過上面 Page1 和 Page2 的對比，可以得知這些屬性是不一定存在的，因此將它們一起歸到 metainfo 中。因此我們需要獲得的數(shù)據(jù)如下圖所示：

深入淺出爬蟲之道： Python、Golang與GraphQuery的對比

由此我們可以很快設計出我們的數(shù)據(jù)結構：

{
    title
    pictype
    number
    type
    metadata {
        size
        volume
        mode
        resolution
    }
    author
    images []
    tags []
}

其中 size、volume、mode、resolution由于可能不存在，因此歸入到了 metadata 下， images 是一個圖片地址的數(shù)組，tags 是標簽數(shù)組，在確定了要提取的數(shù)據(jù)結構，就可以開始進行解析。

使用Python進行頁面的解析

Python庫的數(shù)量非常龐大，有很多優(yōu)秀的庫可以幫助到我們，在使用Python進行頁面的解析時，我們通常用到下面這些庫：

  1. 提供 正則表達式 支持的 re 庫
  2. 提供 CSS選擇器 支持的 pyquery 和 beautifulsoup4
  3. 提供 Xpath 支持的 lxml 庫
  4. 提供 JSON PATH 支持的 jsonpath_rw 庫

這些庫在 Python 3 下獲得支持的，可以通過 pip install 進行安裝。
由于 CSS選擇器 的語法比 Xpath 語法要更加簡潔，而在方法的調用上，pyquery 比 beautifulsoup4 要更加方便，因此在 2 和 3 之間我們選擇了 pyquery。
下面我們會以 title 和 type 屬性的獲取作為例子進行講解， 其他節(jié)點的獲取是同理的。首先我們先使用 requests 庫下載這個頁面的源文件：

import requests
from pyquery import PyQuery as pq
response = requests.get("http://www.58pic.com/newpic/32504070.html")
document = pq(response.content.decode('gb2312'))

下面使用Python進行的解析都將依次為前提進行。

1. 獲取title節(jié)點

打開 待解析頁面，在標題上右鍵， 點擊 查看元素，可以看到它的DOM結構如下：

深入淺出爬蟲之道： Python、Golang與GraphQuery的對比

這時我們注意到， 我們想要提取出的標題文本 大俠海報金庸武俠水墨中國風黑白，并沒有被html標簽包裹，這是不符合我們上面提到的 語義化的dom結構 的。同時，使用CSS選擇器，也是無法直接選取到這個文本節(jié)點的（可以使用Xpath直接選取到，本文略）。對于這樣的節(jié)點，我們可以有下面兩種思路：
思路一： 先選取其父元素節(jié)點， 獲取其 HTML 內容，使用正則表達式， 匹配在 &lt;/div&gt; 和 &lt;p 之間的文本。
思路二： 先選取其父元素節(jié)點，然后刪除文本節(jié)點之外的其他節(jié)點，再直接通過獲取父元素節(jié)點的文本，得到想要的標題文本。
我們采取思路二，寫出下面的Python代碼：

title_node = document.find(".detail-title")
title_node.find("div").remove()
title_node.find("p").remove()
print(title_node.text())

輸出結果與我們期望的相同， 為 大俠海報金庸武俠水墨中國風黑白。

2. 獲取size節(jié)點

在 尺寸 上右鍵查看元素，可以看到下圖所示的DOM結構：

深入淺出爬蟲之道： Python、Golang與GraphQuery的對比

我們發(fā)現(xiàn)這些節(jié)點不具有語義化的選擇器，并且這些屬性不一定都存在（詳見Page1 和 Page2 的對比）。在 穩(wěn)定的解析代碼 中我們也講到了對于這種結構的文檔可以采取的幾種思路，這里我們采用正則解析的方法：

import re
context = document.find(".mainRight-file").text()
file_type_matches = re.compile("尺寸：(.*?像素)").findall(context)
filetype = ""
if len(file_type_matches) > 0:
    filetype =  file_type_matches[0]
print(filetype)

由于獲取 size、volume、mode、resolution 這些屬性，都可以采取類似的方法，因此我們可以歸結出一個正則提取的函數(shù)：

def regex_get(text, expr):
    matches = re.compile(expr).findall(text)
    if len(matches) == 0:
        return ""
    return matches[0]

因此，在獲取 size 節(jié)點時，我們的代碼就可以精簡為：

size = regex_get(context, r"尺寸：(.*?像素)")
3. 完整的Python代碼

到這里，我們解析頁面可能遇到的問題就已經解決了大半，整個Python代碼如下：

import requests
import re
from pyquery import PyQuery as pq

def regex_get(text, expr):
    matches = re.compile(expr).findall(text)
    if len(matches) == 0:
        return ""
    return matches[0]

conseq = {}

## 下載文檔
response = requests.get("http://www.58pic.com/newpic/32504070.html")
document = pq(response.text)

## 獲取文件標題
title_node = document.find(".detail-title")
title_node.find("div").remove()
title_node.find("p").remove()
conseq["title"] = title_node.text()

## 獲取素材類型
conseq["pictype"] = document.find(".pic-type").text()

## 獲取文件格式
conseq["filetype"] =  regex_get(document.find(".mainRight-file").text(), r"文件格式：([a-z]+)")

## 獲取元數(shù)據(jù)
context = document.find(".main-right p").text()
conseq['metainfo'] = {
    "size": regex_get(context, r"尺寸：(.*?像素)"),
    "volume": regex_get(context, r"體積：(.*? MB)"),
    "mode": regex_get(context, r"模式：([A-Z]+)"),
    "resolution": regex_get(context, r"分辨率：(\d+dpi)"),
}

## 獲取作者
conseq['author'] = document.find('.user-name').text()

## 獲取圖片
conseq['images'] = []
for node_image in document.find("#show-area-height img"):
    conseq['images'].append(pq(node_image).attr("src"))

## 獲取tag
conseq['tags'] = []
for node_image in document.find(".mainRight-tagBox .fl"):
    conseq['tags'].append(pq(node_image).text())

print(conseq)

使用Golang進行頁面的解析

在 Golang 中解析 html 和 xml 文檔， 常用到的庫有以下幾種：

  1. 提供 正則表達式 支持的 regexp 庫
  2. 提供 CSS選擇器 支持的 github.com/PuerkitoBio/goquery
  3. 提供 Xpath 支持的 gopkg.in/xmlpath.v2 庫
  4. 提供 JSON PATH 支持的 github.com/tidwall/gjson 庫

這些庫，你都可以通過 go get -u 來獲取，由于在上面的Python解析中我們已經整理出了解析邏輯，在Golang中只需要復現(xiàn)即可，與 Python 不同的是，我們最好先為我們的數(shù)據(jù)結構定義一個 struct，像下面這樣：

type Reuslt struct {
    Title    string
    Pictype  string
    Number   string
    Type     string
    Metadata struct {
        Size       string
        Volume     string
        Mode       string
        Resolution string
    }
    Author string
    Images []string
    Tags   []string
}

同時，由于我們的 待解析頁面 是非主流的 gbk 編碼，所以在下載下來文檔之后，需要手動將 utf-8 的編碼轉換為 gbk 的編碼，這個過程雖然不在解析的范疇之內，但是也是必須要做的步驟之一， 我們使用了 github.com/axgle/mahonia 這個庫進行編碼的轉換，并整理出了編碼轉換的函數(shù) decoderConvert：

func decoderConvert(name string, body string) string {
    return mahonia.NewDecoder(name).ConvertString(body)
}

因此， 最終的 golang 代碼應該是下面這樣的：

package main

import (
    "encoding/json"
    "log"
    "regexp"
    "strings"

    "github.com/axgle/mahonia"
    "github.com/parnurzeal/gorequest"

    "github.com/PuerkitoBio/goquery"
)

type Reuslt struct {
    Title    string
    Pictype  string
    Number   string
    Type     string
    Metadata struct {
        Size       string
        Volume     string
        Mode       string
        Resolution string
    }
    Author string
    Images []string
    Tags   []string
}

func RegexGet(text string, expr string) string {
    regex, _ := regexp.Compile(expr)
    return regex.FindString(text)
}

func decoderConvert(name string, body string) string {
    return mahonia.NewDecoder(name).ConvertString(body)
}

func main() {
    //下載文檔
    request := gorequest.New()
    _, body, _ := request.Get("http://www.58pic.com/newpic/32504070.html").End()
    document, err := goquery.NewDocumentFromReader(strings.NewReader(decoderConvert("gbk", body)))
    if err != nil {
        panic(err)
    }
    conseq := &Reuslt{}
    //獲取文件標題
    titleNode := document.Find(".detail-title")
    titleNode.Find("div").Remove()
    titleNode.Find("p").Remove()
    conseq.Title = titleNode.Text()

    // 獲取素材類型
    conseq.Pictype = document.Find(".pic-type").Text()
    // 獲取文件格式
    conseq.Type = document.Find(".mainRight-file").Text()
    // 獲取元數(shù)據(jù)
    context := document.Find(".main-right p").Text()
    conseq.Metadata.Mode = RegexGet(context, `尺寸：(.*?)像素`)
    conseq.Metadata.Resolution = RegexGet(context, `體積：(.*? MB)`)
    conseq.Metadata.Size = RegexGet(context, `模式：([A-Z]+)`)
    conseq.Metadata.Volume = RegexGet(context, `分辨率：(\d+dpi)`)
    // 獲取作者
    conseq.Author = document.Find(".user-name").Text()
    // 獲取圖片
    document.Find("#show-area-height img").Each(func(i int, element *goquery.Selection) {
        if attribute, exists := element.Attr("src"); exists && attribute != "" {
            conseq.Images = append(conseq.Images, attribute)
        }
    })
    // 獲取tag
    document.Find(".mainRight-tagBox .fl").Each(func(i int, element *goquery.Selection) {
        conseq.Tags = append(conseq.Tags, element.Text())
    })
    bytes, _ := json.Marshal(conseq)
    log.Println(string(bytes))
}

解析邏輯完全相同，代碼量和復雜程度相較 python版 差不多，下面我們來看一下新出現(xiàn)的 GraphQuery 是如何做的。

使用GraphQuery進行解析

已知我們想要得到的數(shù)據(jù)結構如下：

{
    title
    pictype
    number
    type
    metadata {
        size
        volume
        mode
        resolution
    }
    author
    images []
    tags []
}

GraphQuery 的代碼是下面這樣的：

{
    title `xpath("/html/body/div[4]/div[1]/div/div/div[1]/text()")`
    pictype `css(".pic-type")`
    number `css(".detailBtn-down");attr("data-id")`
    type `regex("文件格式：([a-z]+)")`
    metadata `css(".main-right p")` {
        size `regex("尺寸：(.*?)像素")`
        volume `regex("體積：(.*? MB)")`
        mode `regex("模式：([A-Z]+)")`
        resolution `regex("分辨率：(\d+dpi)")`  
    }
    author `css(".user-name")`
    images `css("#show-area-height img")` [
        src `attr("src")`
    ]
    tags `css(".mainRight-tagBox .fl")` [
        tag `text()`
    ]
}

通過對比可以看出， 它只是在我們設計的數(shù)據(jù)結構之中添加了一些由反引號包裹起來的函數(shù)。驚艷的是，它能完全還原我們上面在 Python 和 Golang 中的解析邏輯，而且從它的語法結構上，更能清晰的讀出返回的數(shù)據(jù)結構。這段 GraphQuery 的執(zhí)行結果如下：

{
    "data": {
        "author": "Ice bear",
        "images": [
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a0", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a1024", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a2048", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a3072"
        ],
        "metadata": {
            "mode": "RGB",
            "resolution": "200dpi",
            "size": "4724×6299",
            "volume": "196.886 MB"
        },
        "number": "32504070",
        "pictype": "原創(chuàng)",
        "tags": ["大俠", "海報", "黑白", "金庸", "水墨", "武俠", "中國風"],
        "title": "大俠海報金庸武俠水墨中國風黑白",
        "type": "psd"
    },
    "error": "",
    "timecost": 10997800
}

GraphQuery 是一個文本查詢語言，它不依賴于任何后端語言，可以被任何后端語言調用，一段 GraphQuery 查詢語句，在任何語言中可以得到相同的解析結果。
它內置了 xpath選擇器，css選擇器，jsonpath 選擇器和 正則表達式 ，以及足量的文本處理函數(shù)，結構清晰易讀，能夠保證 數(shù)據(jù)結構、解析代碼、返回結果 結構的一致性。

項目地址： github.com/storyicon/graphquery

GraphQuery 的語法簡潔易懂, 即使你是第一次接觸它， 也能很快的上手， 它的語法設計理念之一就是 符合直覺， 我們應該如何執(zhí)行它呢：

1. 在Golang中調用GraphQuery

在 golang 中，你只需要首先使用 go get -u github.com/storyicon/graphquery 獲得 GraphQuery 并在代碼中調用即可：

package main

import (
    "log"

    "github.com/axgle/mahonia"
    "github.com/parnurzeal/gorequest"
    "github.com/storyicon/graphquery"
)

func decoderConvert(name string, body string) string {
    return mahonia.NewDecoder(name).ConvertString(body)
}

func main() {
    request := gorequest.New()
    _, body, _ := request.Get("http://www.58pic.com/newpic/32504070.html").End()
    body = decoderConvert("gbk", body)
    response := graphquery.ParseFromString(body, "{ title `xpath(\"/html/body/div[4]/div[1]/div/div/div[1]/text()\")` pictype `css(\".pic-type\")` number `css(\".detailBtn-down\");attr(\"data-id\")` type `regex(\"文件格式：([a-z]+)\")` metadata `css(\".main-right p\")` { size `regex(\"尺寸：(.*?)像素\")` volume `regex(\"體積：(.*? MB)\")` mode `regex(\"模式：([A-Z]+)\")` resolution `regex(\"分辨率：(\\d+dpi)\")` } author `css(\".user-name\")` images `css(\"#show-area-height img\")` [ src `attr(\"src\")` ] tags `css(\".mainRight-tagBox .fl\")` [ tag `text()` ] }")
    log.Println(response)
}

我們的 GraphQuery 表達式以 單行 的形式， 作為函數(shù) graphquery.ParseFromString 的第二個參數(shù)傳入，得到的結果與預期完全相同。

2. 在Python中調用GraphQuery

在 Python 等其他后端語言中，調用 GraphQuery 需要首先啟動其服務，服務已經為 windows、mac 和 linux 編譯好，到 GraphQuery-http 中下載即可。
在解壓并啟動服務后，我們就可以愉快的使用 GraphQuery 在任何后端語言中對任何文檔以圖形的方式進行解析了。Python調用的示例代碼如下： 

import requests

def GraphQuery(document, expr):
    response = requests.post("http://127.0.0.1:8559", data={
        "document": document,
        "expression": expr,
    })
    return response.text

response = requests.get("http://www.58pic.com/newpic/32504070.html")
conseq = GraphQuery(response.text, r"""
    {
        title `xpath("/html/body/div[4]/div[1]/div/div/div[1]/text()")`
        pictype `css(".pic-type")`
        number `css(".detailBtn-down");attr("data-id")`
        type `regex("文件格式：([a-z]+)")`
        metadata `css(".main-right p")` {
            size `regex("尺寸：(.*?)像素")`
            volume `regex("體積：(.*? MB)")`
            mode `regex("模式：([A-Z]+)")`
            resolution `regex("分辨率：(\d+dpi)")`  
        }
        author `css(".user-name")`
        images `css("#show-area-height img")` [
            src `attr("src")`
        ]
        tags `css(".mainRight-tagBox .fl")` [
            tag `text()`
        ]
    }
""")
print(conseq)

輸出結果為：

{
    "data": {
        "author": "Ice bear",
        "images": [
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a0", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a1024", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a2048", 
            "http://pic.qiantucdn.com/58pic/32/50/40/70d58PICZfkRTfbnM2UVe_PIC2018.jpg!/fw/1024/watermark/url/L2ltYWdlcy93YXRlcm1hcmsvZGF0dS5wbmc=/repeat/true/crop/0x1024a0a3072"
        ],
        "metadata": {
            "mode": "RGB",
            "resolution": "200dpi",
            "size": "4724×6299",
            "volume": "196.886 MB"
        },
        "number": "32504070",
        "pictype": "原創(chuàng)",
        "tags": ["大俠", "海報", "黑白", "金庸", "水墨", "武俠", "中國風"],
        "title": "大俠海報金庸武俠水墨中國風黑白",
        "type": "psd"
    },
    "error": "",
    "timecost": 10997800
}

三、后記

復雜的解析邏輯帶來的不僅僅是代碼可讀性的問題，在代碼的維護和移植上也會造成很大的困擾，不同的語言和不同的庫也為代碼的解析結果造成了差異，GraphQuery 是一個全新的開源項目，它的主旨就是讓開發(fā)者從這些重復繁瑣的解析邏輯中解脫出來，寫出高可讀性、高可移植性、高可維護性的代碼。歡迎實踐、持續(xù)關注與代碼貢獻，一起見證 GraphQuery 與開源社區(qū)的發(fā)展！

網站名稱：深入淺出爬蟲之道：Python、Golang與GraphQuery的對比
當前網址：http://muchs.cn/article16/ihddgg.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供網站建設、靜態(tài)網站、網站改版、網頁設計公司、Google、搜索引擎優(yōu)化

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)

成都網站建設