用哪些程序语言写爬虫

C，C++。高效率，*，适合通用搜索引擎做全网爬取。缺点，开发慢，写起来又臭又长，例如：天网搜索源代码。

脚本语言：Perl, Python, Java, Ruby。简单，易学，良好的文本处理能方便网页内容的细致提取，但效率往往不高，适合对少量网站的聚焦爬取

C#?(貌似信息管理的人比较喜欢的语言)

为什么终选择Python?

跨平台，对Linux和windows都有不错的支持。

科学计算，数值拟合：Numpy，Scipy

可视化：2d：Matplotlib(做图很漂亮), 3d: Mayavi2

复杂网络：Networkx

统计：与R语言接口：Rpy

交互式终端

网站的*开发?

怎么学习爬虫呢?

学习爬虫永远绕不开HTTP协议。如果你仔细思考一下写的代码，你就会问一个问题，为啥要用Requests(Requests is the only Non-GMO HTTP library for Python, safe for human consumption.)。当你问这个问题的时候，请你去看一下百度词条上http。当你对http协议有一个大致的了解，那么你就能理解为啥会用到那些工具库了。

此外，基于需求和兴趣的学习是效率的方法，比如说做一个邮件推送功能，做一个图片自动下载器等。对于我而言，学习爬虫有以下几个要求：

能够爬取多个网页，并且不断优化数据提取方法

能够模拟登陆新浪微博、知乎、豆瓣、简书、微信等

能够爬取通过js生成的网页内容

使用ip pool和user agent pool防止被ban

学会分布式爬取

我使用python学习爬虫，因为我只学过一点的C(大学老师居然没教C核心的指针思想)，不会java和C++，主要在Python实战：一周学会爬取网页学的还不错。

现在使用python的scrapy框架，因为我想通过读源代码进行深入学习。