想玩爬蟲，想用 C++ 寫，有沒有啥建議？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3610 天前的主题，其中的信息可能已经有所发展或是发生改变。

買了個VPS，反正閒着也是閒着。

只搞過 iOS 開發，對 C++ 認識僅停留在 2000 年代（我 2014 年還在 new 和 delete……）。POSIX、TCP/IP、HTTP 啥的也一無所知。求入門建議。

c++

posix

VPS

27 条回复 • 2014-12-19 10:27:14 +08:00

msg7086

2014-12-18 02:34:01 +08:00

用python吧

yellowV2ex

2014-12-18 02:36:31 +08:00

问一下写后端的人们，你们是不是觉得写PHP很low？
（我是前台的）

wezzard

2014-12-18 02:38:45 +08:00

@msg7086 主要是想找個機會深入學習一下 C++，2014 年還喜歡 new 和 delete 簡直 so no face……

@yellowV2ex 我是搞 iOS 開發的……另外我確實覺得 PHP 很 low，服務器端更加喜歡 node.js 或者 ruby on rails。

yellowV2ex

2014-12-18 02:40:23 +08:00

@wezzard 是，我以前搞AS的，现在也是iOS，还是觉得javascript类的语法写起来顺手

msg7086

2014-12-18 02:43:51 +08:00

@yellowV2ex 我更喜欢用ruby。
语言表现力更强，而且可以用函数式的习惯来写代码。

@wezzard C++我还在用malloc/free呢。
只知道有自动指针这种东西但是还没花时间去看。

YouXia

2014-12-18 03:18:01 +08:00 via Android

如果用Cpl写的话，那就用larbin呗。但如果说想重复造轮子，那就实现个larbin吧。

wizardforcel

2014-12-18 08:15:48 +08:00

cpp已经不是几年前的cpp了。只要找个http库，用啥写都无所谓。

@yellowV2ex 不觉得php很low。我讨厌py的缩进，喜欢js。

choury

2014-12-18 08:30:41 +08:00

建议就是不要用c++写

zealic

2014-12-18 08:47:51 +08:00

C++ 不适合这种任务。
最佳选择 Python，或者任何字符串处理强的脚本语言。
Node.js 其实也不错。

freefcw

2014-12-18 08:56:28 +08:00

这东西的瓶颈在于网络带宽，性能反而是最不用考虑的，为了考虑开发的快速和应对变化，一般都是用python类的动态语言写

pandada8

2014-12-18 08:59:37 +08:00

跟我一起念：Python大法好

happywowwow

2014-12-18 09:01:58 +08:00

跟我一起念：人生苦短，我用python

V5YUN

2014-12-18 09:03:04 +08:00

爬虫的重点是网络问题,网络问题的重点是异步.Pyhton和node.js有很成熟的异步模型.

xdeng

2014-12-18 09:07:27 +08:00

C++写会很不爽？用go吧

pubby

2014-12-18 09:18:51 +08:00 via Android

Beanstalk

2014-12-18 09:23:55 +08:00 via Android

为什么不用Python呢

pubby

2014-12-18 09:27:20 +08:00 via Android

Beanstalk跑消息队列
Node.js 或go写网络抓取
找个nosql服务存中间数据
mysql维护必要的目标数据
PHP写繁琐的各类分析协调处理

一个简单的分布式系统，几年来一直这么做的

viaNull

2014-12-18 10:07:38 +08:00

@wezzard 既然喜欢ror和node，为啥不用这两个写爬虫

这两个写起来比C++要方便的多

fengchang

2014-12-18 10:24:55 +08:00

想玩爬虫就老老实实用Python写，想学C++就写点别的
每个语言都有适合做的事，PHP写Web后端也比C++好用的多

maemual

2014-12-18 10:26:43 +08:00

赞楼上。
感觉一帮人总是吃饱了撑得，切菜非要用青龙偃月刀。

hdjdcyl

2014-12-18 10:59:58 +08:00 via Android

@wezzard
@pandada8
@wizardforcel
PHP是世界上最好的语言没有之一

ivanlw

2014-12-18 12:07:51 +08:00

四年前帮导师维护过c++的一个爬虫程序，多线程用pthread，正则表达库用boost里面的regex，感觉学习成本太高了，这两个东西写小程序都要调试好久，更别说写大了……所以我的想法是，除非你有很大的性能需求，不然尽量用一些high-level的语音（尤其是要有multi-threading和network还有queue这类library的支持是最方便的），Java和Python都是不错的选择，如果你要潮一点，用Golang和NodeJS也是不错的……PHP，唔，更好，毕竟是世界上最好的语言嘛

wezzard

2014-12-18 12:28:04 +08:00

@ivanlw 多線程我準備用 Apple 的 libdispatch ……在 iOS 上用過感覺非常傻瓜，而且 ubuntu 上也有相應版本。話說我本來就是想通過這個 case 深入學習 UNIX 系統和 HTTP、TCP/IP 這些東西的。

Lelouchcr

2014-12-18 12:30:11 +08:00

@wezzard 参考这个 https://github.com/yangyangwithgnu/hardseed

jsjscool

2014-12-19 10:18:17 +08:00

楼主用汇编吧，C++也很low的！

jsjscool

2014-12-19 10:27:14 +08:00

你都想用C++写了，就用C++写吧。“POSIX、TCP/IP、HTTP 啥的也一無所知。”谷歌百度+你这些年的经验，不是什么难事。
有问题到Stack Overflow问一下，可以的话把代码放到Github，这里的牛人会给你指点的。