大家好，又见面了，我是你们的朋友全栈君。
这是我前几天看到的一个真实事件，也是我写这篇文章的缘由：
前几天有粉丝跟我反馈说，某机构的人跟他说学爬虫1个月就能接单，让这小伙子去报名那个机构的爬虫课程，学完之后1个月就能把6000多的学费赚回来。可能是因为我和粉丝的交流比较多，所以小伙子找到了我，问我这个事情的真伪，我不禁咋舌…
学1个月爬虫就能去接单赚6000多块钱？现在的会爬虫的人数不胜数，新手学1个月就能达到月赚6000的水平了？
秉着客观的态度，就算不信我也没有去下结论，而是去看了一下他们的课程体系，结果不出我所料，课程大部分都在讲Python入门知识（函数等）、requests和XPath等内容，这不都是一些初级爬虫的知识吗？能月赚6000？怎么不教年轻人去街上抢钱呢？
赚外快的事情我也干了很多年，爬虫自然不在话下，那么今天我来说说5个深入一点的爬虫问题，让你清楚爬虫的真实情况：
1.现在的爬虫接单真能1个月赚6000的快外？
2.初级爬虫只能接一些小单，怎样才算初级爬虫水平？
3.中级爬虫是职业爬虫工程师上岗水平，需要具备什么？
4.高级爬虫可以说是爬虫大神，需要掌握哪些技术？
5.爬虫更高水平要学什么？巅峰爬虫是什么样子？
一、爬虫能否一个月赚6000的外快？
答案肯定是能的，但这取决于你的爬虫技术水平。
如果你只是一个初级爬虫你只能靠运气接单，你拿得出手的一些爬虫作品可能入不了大单金主的法眼，有时候接个技术难度高一点的，整出来效果都需要花费好几天，大多数初级爬虫的人接单都不会超过200块钱，大多数都是几十块钱的单子，月挣6000需要接多少单？我就算你一单的价格平均在100块钱，那你也是需要60单！
做过兼职的人都知道，1个月60单私活几乎是不可能的，除非你有特殊的渠道。
再者，抛开初级爬虫连产品经理都会之外，现在还有那么多第三方网站提供较强大的爬虫功能，不会爬虫的人花点小钱也能解决，比如某爪鱼、某裔采集器，不管是时间还是成本上都比找花钱请一个爬虫新手强。
新手学1个月爬虫就能月入6000块钱的事情，我敢打包票这只是为了促成你报班，这种手段在良莠不齐的互联网教育行业屡见不鲜，我直接给出我的结论：不值这个钱、学完你也做不到1月能靠爬虫赚6000，这水平就是给你1年也赚不了几个钱。
但如果你的技术达到了中级爬虫或更高的水平，那就是靠实力和运气来挣钱了。从技术层面上来讲，接大点的单是没有问题的，一单的价格也是在300~几千不等，如果是均价600元一单来算，一个月做个四五单赚几千块钱是没问题的，拼一点或者技术好一点的可能赚得更多，前提是你得有这个技术，打脸充胖子是会翻船的。
挣6000块钱是有可能的，几千块钱的单子以前我也做过。
至于去哪接单已是老生常谈了，这里我就不多说了，自己去百度吧，百度什么都有，我们继续下面的话题，来看看爬虫的初级、中级、高级和巅峰水平是什么样子！
二、初级爬虫
根据我这些年来对爬虫的了解，初级爬虫的水平大概是这个样子的：
（最近盗图盗文的人比较，图片为了防止无良的CV大法就加了水印，需要源文件的可以私聊我。）
这个水平能干什么？就是爬虫一些基本的网站，涉及一点反爬就GG。
比如说我们去爬1个某个网站的文章，这个网站没有带反爬机制，那么用 requests 等库就够了，用 XPath、BeautifulSoup、PyQuery 或者正则表达式解析一下网页的源码，再加个文本写入存下来就完事了。
其中的难度并不大，无非是几个方法调用和循环加储存，如果存储方面稍微扩展一下的话，可以对接上 MySQL、MongoDB、Elasticsearch、Kafka 等等来保存数据，实现持久化存储。以后查询或者操作会更方便。
这就是初级爬虫的水平，能爬，但距离“可见即可爬”还道长路远，接单可想而知也会较吃力，虽然它很基础，但这又是你学爬虫的必经之路。
那么我们回顾一下前面那个小伙子的事情，上面这些东西对于新手来说1个月能学完吗？我觉得难度不小，我不说别的，就说Python入门这一块，就包含了不少的东西。
1天4个小时学习，没有基础的话，在Python入门这一块你可能就要花2周时间才能学完且稳固，剩下的两周，你能学完并掌握初级爬虫剩下的知识吗？
技术这条道路上很忌讳急功近利。我知道你可以从头到晚看完并理解一本书就只需要几天时间，但看完了你能用起来吗？看是看完了，但看了什么记不起来了，你需要反复练习，同样的，你1个月是能跟着学完没有问题，但你能不能站得稳还是个问题。
更何况，有些机构的课程都是挑肥拣瘦。
三、中级爬虫
中级爬虫的水平可以算是职业爬虫师的基本水平，除了初级爬虫的知识点之外，还应该掌握以下一些知识点：
1.爬取方式
当你的requests 不顶用的时候（爬下来的和网页显示的不一样），你就应该想到数据来源可能是 Ajax，你去分析网站的时候就得懂JavaScript ；如果想绕过分析 Ajax 和一些 JavaScript 逻辑的过程来爬取数据，我们就得用 Puppeteer、Pyppeteer、Selenium、Splash 等来模拟浏览器的方式来爬取。
2.爬取速度
除了爬取方式，还有爬取速度，这时候你就得有多进程、多线程、协程的知识储备了。
3.爬APP
如果你只会网页爬虫，那你还算不上中级爬虫的水平，你还得会爬APP，APP也占据着半壁江山。
这个时候你就得会Charles、Fiddler抓包了，抓到之后拿来模拟就行；如果接口被加密了，可以用 mitmproxy 直接监听接口数据或者走 Hook，比如上 Xposed 也可以拿到。
爬APP时还有一点比较重要，就是自动化爬取。如果是自己手动戳来实现爬虫的话，给再多钱也没用，这就不是个人干的活…比较好的解决方案就是adb工具和Appium ，你说该不该学？
粉丝福利，点击可查看
四、高级爬虫
高级爬虫师不管是在职场还是兼职方面，都有着很大的优势，高级爬虫水平应该掌握以下几个方面的技术：
1.企业级爬虫
但凡是接触过大规模的爬虫的人都会有所体会到，多线程、多进程和协程虽然能够加快爬取速度，但说白了还是个单机的爬虫，比起更高级的分布式爬虫要逊色很多，分布式爬虫才算得上企业级爬虫。
分布式爬虫的重心就在于资源共享，那么我们很有必要去掌握的东西就是RabbitMQ、Celery、Kafka，用来这些基础的队列或者组件来实现分布式；其次就是我们大名鼎鼎的Scrapy爬虫框架，也是目前用的最多的爬虫框架，对于Scrapy的Redis、Redis-BloomFilter、Cluster 的理解和掌握是必不可少的。
掌握这些东西之后，你的爬虫才能达到企业级的高效率爬虫。
2.应对反爬的技术
高级爬虫水平应该考虑的另一个重心就是反爬。
网页反爬机制的常见操作就是验证码，什么滑块验证啊、实物勾选啊、加减法啊等等的，招式层出不穷，这个时候你就得知道如何去应付这些常见的验证码了。
还有反爬中常见的IP检测，搞不好就会封你的号，所以应对手法也是必须得有的，不管你是用免费代理还是付费代理来换代理IP，都是可以的。
以及应对反爬时的分流技术避免账号被封，分流技术就得建池子，Cookies 池、Token 池、Sign 池，都可以，有了池子之后，你被封的概率也会降低，你也不想爬个公众号结果WX被封了吧？
五、更高水平的爬虫（爬虫的巅峰）
更高水平的爬虫，以下4点是必会的内容：
1.JS逆向
为什么要学JS逆向爬取？ 在反爬和反反爬的对抗中，用Selenium 等方式来爬也是可以，但效率还是低了，毕竟它模拟的是网页渲染的整个过程，而真实的数据可能仅仅就藏在一个小接口里，所以JS逆向则是更高级别的爬取技术，尤其是在大型网站的数据爬取，例如某多多和某宝，如果你能用JS逆向去爬下来，无疑是技术高超的证明之一，但JS逆向也不是谁都能修炼成的，确实烧头发。
APP的逆向就更不用说，网页可以逆向，APP也能逆向，那你配得上“牛逼”二字。
2.智能化爬虫
何为智能化爬虫？ 举个例子，一般情况下，写一个爬取小说网站的爬虫，要根据不同的网站编写不同的提取规则，才能提取出想要的内容。而如果使用智能化解析的话，不论是哪个网站，你只需要把网页的url传递给它，就可以通过算法智能识别出标题、内容、更新时间等信息，而不需要重复编写提取规则。
智能化爬虫简而言之就是爬虫与机器学习技术相结合，使得爬虫更加智能化，不然的话，要爬1万个网站，难道我们要写1万个爬虫脚本？
3.爬虫与运维
爬虫什么时候与运维搭上关系了?它们俩一直都有着密不可分的关系，只是你的爬虫需求或者水平没有达到，所以不会考虑到它们。
爬虫与运维的关系主要体现在部署和分发、数据的存储和监控这几个方面。
比如说如何把1个爬虫快速部署到100台主机运行起来?比如怎样监控一些爬虫的占用内存和 CPU 状况?比如爬虫如何设置报警机制来保证爬虫项目的安全？
Kubernetes 、Prometheus 、Grafana是爬虫在运维方面用的比较多的技术，在做大点的爬虫项目时我也是经常拿它们来保驾护航。
4.爬虫的巅峰
什么是巅峰？可能永远都没有巅峰…只要一天没有拥有强者的发型（全秃），我就不敢说我看到了巅峰…
我隐约感到，爬虫做到了极致，既能干全栈，又能做数据分析，说不好还是算法大师，没准在人工智能还能有所建树，这难到就是爬虫的巅峰吗？
今日的分享就到这里，愿你我都能成为金字塔顶端的男人！
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/139635.html原文链接：https://javaforall.cn
