如果你想用 scrapy 呢，我写了很多教程：
(1)分布式下的爬虫 Scrapy 应该如何做-安装
(2)分布式下的爬虫 Scrapy 应该如何做-关于对 Scrapy 的反思和核心对象的介绍
(3)分布式下的爬虫 Scrapy 应该如何做-递归爬取方式，数据输出方式以及数据库链接
(4)分布式下的爬虫 Scrapy 应该如何做-规则自动爬取及命令行下传参
(5)分布式下的爬虫 Scrapy 应该如何做-关于爬虫的调度机制与调度架构的构想
(5.1)分布式下的爬虫 Scrapy 应该如何做-windows 下的 redis 的安装与配置
(6)分布式下的爬虫 Scrapy 应该如何做-关于实时 Debug 的那些事儿
(7)分布式下的爬虫 Scrapy 应该如何做-关于伪装和防 Ban 的那点事儿
(8)分布式下的爬虫 Scrapy 应该如何做-图片下载(源码放送)
(9)分布式下的爬虫 Scrapy 应该如何做-关于 ajax 抓取的处理(一)
(10)分布式下的爬虫 Scrapy 应该如何做-关于动态内容 js 或者 ajax 处理(2)
(11)分布式下的爬虫 Scrapy 应该如何做-关于 js 渲染环境 splash 的一些使用技巧总结
(12)分布式下的爬虫 Scrapy 应该如何做-分布式的浅析
(13)分布式下的爬虫 Scrapy 应该如何做-另一种分布式架构

http://brucedone.com/archives/771

我不建议新人一上手就学框架，你至少要弄懂基本的 html ,css,javascript, http 请求，正则或者 xpath,数据存储，语言基础。

why not anaconda ?

@wizardforcel 我说的是 @YORYOR ，他说换了 python 之后从分钟级别的 shell script 到了小时级别的 python ，这个锅让 python 背，在没有看到具体数据之前，我是不服的。

》翻页吧 python 慢 这个是事实，为了运维方便 从把 shell 迁到了 python ，之前分钟级别的处理变成了小时级
@YORYOR

我不知道你说的慢是哪里慢，如果仅仅是因为换了语言就说 python 导致的慢，就好比你之前骑车上班，而现在坐在车里一边大骂怎么还不开车，怎么这么慢一样。

@Janny722 不过转 python 了，这些技能只为接私单准备：）

咦，好巧，这些我都会呦～

mac 其实满好用的，轻度 qq,和一些常用的工具都可以用的到， office 更不说了，反正满不错的。

记得加上请求头，还有一些其它的参数都要填全

why not flask ?

http://brucedone.com/archives/560

你只是需要借助渲染的环境，你可以尝试 splash

如果让我天天和一群科技男在科技园挤的上气不接下气，我宁愿在面朝大海，写代码写的春暖花开～环境 100 分好评～

我曾经考虑过直接使用 pyqt ， qt4 ,qt5 , 的安装就已经折腾的半死，再就是环境， IDE 的配置，后来就直接转 node.js 的跨平台的 app 了， https://github.com/electron/electron ，你值得拥有

@Allianzcortex scrapy 的自由度还不高？基于插件形式你可以自由定制 proxy ，以及动态 js 解析(scrapy-splash),pipeline 可以自己定义输出形式，你觉得去重是一个难题，那自己定义 queue 的存储然后在重载 start_reqeust 方法就可以轻松的去重了，这些内容都可以自己做，其实已经耦合性不算太高了～

flask+ docker ，打包之后随时使用。
@practicer 用 python 做爬虫没有其它的大原因，写的顺手，社区成熟，活跃，出问题都可以找的到答案， python 的 scrapy 框架也非常成熟。