有的网站有 sitemap 文件，本就是给百度这类爬虫看的，会把当天新产生的 URL 和最近更新的 URL 放在 sitemap 文件里，这样就不用整过遍历网站，节约单宽，尤其是大型网站有上千万，过亿页面这类网站，通过抓取 sitemap 来发现新增 URL 比较有效。 就像这篇文章说的一样： https://www.yuanrenxue.com/crawler/crawler-tricks-3.html
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
Select Language