世纪佳缘项目

1、对需要爬取的数据进行分析，思考解决爬虫中的难点问题，因数据量较多，使用多台主机部署爬虫
2、使用requests的post方法请求世纪佳缘登录页面，使用RequestsCookieJar方法获取动态cookie
3、构建代理IP池，使用BeautifulSoup模块处理数据，用find、find_all方法对世纪佳缘数据进行提取，解析
3、通过get请求的json数据进行解析提取百合网数据
4、使用正则，xpath，re模块提取有缘网数据
5、把爬取的数据通过os模块写入到本地csv文件，对图片下载耗时操作采用多线程将图片下载到本地，并把图片命名关联到csv数据