网络爬虫（又被称为网页蜘蛛，网络机器人，在foaf社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。下面我们一起来了解一下。
1.scrapy
scrapy是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理或存储历史数据等一系列的程序中。。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。
项目地址：https://scrapy.org/
2.pyspider
pyspider 是一个用python实现的功能强大的网络爬虫系统，能在浏览器界面上进行脚本的编写，功能的调度和爬取结果的实时查看，后端使用常用的数据库进行爬取结果的存储，还能定时设置任务与任务优先级等。
项目地址：https://github.com/binux/pyspider
3.crawley
crawley可以高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为json、xml等。
项目地址：http://project.crawley-cloud.com/
4.portia
portia是一个开源可视化爬虫工具，可让您在不需要任何编程知识的情况下爬取网站！简单地注释您感兴趣的页面，portia将创建一个蜘蛛来从类似的页面提取数据。
项目地址：https://github.com/scrapinghub/portia
5.newspaper
newspaper可以用来提取新闻、文章和内容分析。使用多线程，支持10多种语言等。
项目地址：https://github.com/codelucas/newspaper
6.beautiful soup
beautiful soup 是一个可以从html或xml文件中提取数据的python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.beautiful soup会帮你节省数小时甚至数天的工作时间。
项目地址：https://www.crummy.com/software/beautifulsoup/bs4/doc/
7.grab
grab是一个用于构建web刮板的python框架。借助grab，您可以构建各种复杂的网页抓取工具，从简单的5行脚本到处理数百万个网页的复杂异步网站抓取工具。grab提供一个api用于执行网络请求和处理接收到的内容，例如与html文档的dom树进行交互。
项目地址：http://docs.grablib.org/en/latest/#grab-spider-user-manual
8.cola
cola是一个分布式的爬虫框架，对于用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。任务会自动分配到多台机器上，整个过程对用户是透明的。
项目地址：https://github.com/chineking/cola
感谢大家的阅读，希望大家收益多多。
转载至：https://www.toutiao.com/i6560240315519730190/
推荐教程：《python教程》
以上就是史上最高效的python爬虫框架（推荐）的详细内容。