爬蟲工程師和java開發(fā)哪個難，搞 Java 最重要的是什么？毫不夸張地說，掌握和了解JavaEE、python、php，學哪個比較好？，java爬蟲工程師和java開發(fā)工程師有區(qū)別嗎，一個合格的數(shù)據(jù)爬蟲工程師需要掌握什么??，基本就能走遍天下都不怕了！

1.JavaEE、python、php，學哪個比較好？

首先要說明，JavaEE、PHP、Python都是很好的語言，它們只是應用的場景不同，只要學好其中一個，都能夠有很好的發(fā)展。根據(jù)職業(yè)規(guī)劃選語言關(guān)于題主的問題，這三者先學哪個，我覺得應該根據(jù)自己的發(fā)展規(guī)劃來選，脫離職業(yè)方向談語言都是空談。先確定自己以后想從事哪個方面，應用開發(fā)、Web前端、后臺還是大數(shù)據(jù)？如果你喜歡做網(wǎng)站，PHP可能是你的*，因為我國60%的中小型網(wǎng)站都是PHP開發(fā)的，PHP簡單易學。如果你想開發(fā)軟件，我們常說的企業(yè)軟件，各種各樣的管理系統(tǒng)，基本都是java開發(fā)的，在這一領(lǐng)域，Java具有不可撼動的地位。python是隨著人工智能火起來的語言，很是熱門，但是崗位確實有限。人工智能是未來，但是什么時候會大爆發(fā)，會穩(wěn)定，這還是一個未知數(shù)。不過，作為入門語言，還是不錯的，畢竟簡單。其實你可以不必太糾結(jié)編程語言，語言都是想通的，你學會了一門，再去學習一門新的語言，上手也是很快的。個人建議Java就個人而且，其實比較推薦先學Java。當然并不是說PHP、Python不好，而是對于一個零基礎的新人來說，最重要的是先學習一門語言，然后找到工作不是嗎？而找工作的話，Java無疑是最容易的。而且Java的路是越走越寬，未來的選擇性更多，可以做企業(yè)級軟件開發(fā)，可以做網(wǎng)站后臺開發(fā)，可以往移動方向/大數(shù)據(jù)方向/云計算方面發(fā)展。而PYthon相對來說以后的選擇性就少些，大多學了都是做爬蟲，而爬蟲的崗位并不多。而人工智能工程師，一般都是那種博士、專家級別的，要求非常高。以下是三種語言的崗位需求，以上海為例：JavaEE學習路線JavaEE的學習可以分為以下階段：1.JavaSE階段2.JavaWeb基礎3.SSH開發(fā)框架4.其它開發(fā)框架5.其它常用技術(shù)*階段：掌握JavaSE該階段是學習JavaEE的入門階段，也是基礎階段，每個零基礎的Java的學習者都必須掌握。學習完這個階段我們就可以開發(fā)簡單的桌面軟件了，可以嘗試去找工作，然后繼續(xù)邊工作邊學習。該階段推薦書籍：《Thinking in Java》 《Head First Java》第二階段：JavaWeb基礎學完JavaSE，緊接著我們就該學習JavaWeb，JavaWeb也是Java開發(fā)工程師必須掌握的內(nèi)容。該階段推薦書籍：《Head First: Servlet and JSP》《Head First HTML與CSS》第三階段：掌握SSH開發(fā)框架SSH開發(fā)是Spring、Struts2和Hibernate框架的簡稱，也是主流的Java開發(fā)框架，它是每個JAVA開發(fā)者必學的內(nèi)容之一。該階段推薦書籍：《J2EE without EJB》《Java 》第四階段：其它開發(fā)框架MyBatis是一個支持普通SQL查詢、存儲過程和高級映射的優(yōu)秀持久層框架。Spring MVC是一個基于MVC的Web框架。Spring MVC是Spring框架的一個模塊。MyBatis和Spring MVC這兩個框架也是現(xiàn)在很公司在用的框架，所以JAVA學習者必須掌握。該階段推薦書籍：《Spring實戰(zhàn)（第4版）》第五階段：其他常用技術(shù)查看Java工程師崗位的要求你會發(fā)現(xiàn)，企業(yè)除了要求掌握框架的使用外，還會對其它一些常用的技術(shù)有所要求，比如JAVA項目構(gòu)建工具maven，oracle數(shù)據(jù)庫，開源的全文搜索引擎Lucene，開源的搜索服務器solr，Web Service，linux等技術(shù)。想成為一名優(yōu)秀的JAVA開發(fā)者，這些技術(shù)都是我們必須掌握的。該階段推薦書籍：《Maven 實戰(zhàn)》JavaEE學習方法JavaEE的學習可以線下報培訓班，也可以自己自學。培訓班的好處就是學習的知識比較全面，有專業(yè)老師系統(tǒng)授課，遇到問題可以咨詢老師得到快速解決。但是相應的學費比較昂貴。如果選擇自學的話，就需要有很強的學習能力以及毅力。關(guān)于自學網(wǎng)站個人比較推薦W3Cshcool，不僅有豐富的理論知識，還有實戰(zhàn)課程，讓你邊學邊實踐。此外W3Cshcool還有移動APP哦，讓你隨時隨地都能學習編程。當然，如果喜歡看視頻學習的話，推薦慕課網(wǎng)，一套視頻教程的收費不貴。寫在*沒有*的語言，只有最合適的語言。沒有糟糕的語言，只有糟糕的程序員。沒有一種語言是萬能的，只會一種語言是萬萬不能的。*，我想告訴題主，*門編程語言的學習過程永遠是枯燥的，痛苦的，只有堅持不懈的學習下去，才能見到美麗的彩虹。W3Cschool與大家共勉之！

2.java爬蟲工程師和java開發(fā)工程師有區(qū)別嗎

爬蟲是開發(fā)的一個分支，就和數(shù)學和高等數(shù)學一樣，但是側(cè)重點不一樣。

3.一個合格的數(shù)據(jù)爬蟲工程師需要掌握什么

二、爬蟲工程師需要掌握哪些技能？我見過這樣的說法：“爬蟲是低級、重復性很多的工作，沒有發(fā)展前途”。這是誤解。首先，對于程序員來說基本上不存在重復性的工作，任何重復勞動都可以通過程序自動解決。例如博主之前要抓十幾個相似度很高但是html結(jié)構(gòu)不太一樣的網(wǎng)站，我就寫了一個簡單的代碼生成器，從爬蟲代碼到單元測試代碼都可以自動生成，只要對應html結(jié)構(gòu)稍微修改一下就行了。所以我認為，重復性的勞動在編程方面來說基本上是不存在的，如果你認為自己做的工作是重復性的，說明你比較勤快，不愿意去偷懶。而我還認為，勤快的程序員不是好程序員。下面我根據(jù)自己這段時間的工作經(jīng)歷，講一講爬蟲需要哪些相關(guān)的技能。1.基本的編碼基礎（至少一門編程語言）這個對于任何編程工作來說都是必須的?；A的數(shù)據(jù)結(jié)構(gòu)你得會吧。數(shù)據(jù)名字和值得對應（字典），對一些url進行處理（列表）等等。事實上，掌握的越牢固越好，爬蟲并不是一個簡單的工作，也并不比其他工作對編程語言的要求更高。熟悉你用的編程語言，熟悉相關(guān)的框架和庫永遠是百益無害。我主要用Python，用Java寫爬蟲的也有，理論上講任何語言都可以寫爬蟲的，不過*選擇一門相關(guān)的庫多，開發(fā)迅速的語言。用C語言寫肯定是自找苦吃了。2.任務隊列當爬蟲任務很大的時候，寫一個程序跑下來是不合適的：如果中間遇到錯誤停掉，重頭再來？這不科學我怎么知道程序在哪里失敗了？任務和任務之間不應該相互影響如果我有兩臺機器怎么分工？所以我們需要一種任務隊列，它的作用是：講計劃抓取的網(wǎng)頁都放到任務隊列里面去。然后worker從隊列中拿出來一個一個執(zhí)行，如果一個失敗，記錄一下，然后執(zhí)行下一個。這樣，worker就可以一個接一個地執(zhí)行下去。也增加了擴展性，幾億個任務放在隊列里也沒問題，有需要可以增加worker，就像多一雙虧筷子吃飯一樣。常用的任務隊列有kafka，，celery等。3.數(shù)據(jù)庫這個不用講了，數(shù)據(jù)保存肯定要會數(shù)據(jù)庫的。不過有時候一些小數(shù)據(jù)也可以保存成json或者csv等。我有時想抓一些圖片就直接按照文件夾保存文件。推薦使用NoSQL的數(shù)據(jù)庫，比如mongodb，因為爬蟲抓到的數(shù)據(jù)一般是都字段-值得對應，有些字段有的網(wǎng)站有有的網(wǎng)站沒有，mongo在這方面比較靈活，況且爬蟲爬到的數(shù)據(jù)關(guān)系非常非常弱，很少會用到表與表的關(guān)系。4.HTTP知識HTTP知識是必備技能。因為要爬的是網(wǎng)頁，所以必須要了解網(wǎng)頁啊。首先html文檔的解析方法要懂，比如子節(jié)點父節(jié)點，屬性這些。我們看到的網(wǎng)頁是五彩斑斕的，只不過是被瀏覽器處理了而已，原始的網(wǎng)頁是由很多標簽組成的。處理*使用html的解析器，如果自己用正則匹配的話坑會很多。我個人非常喜歡xpath，跨語言，表達比價好，但是也有缺點，正則、邏輯判斷有點別扭。HTTP協(xié)議要理解。HTTP協(xié)議本身是無狀態(tài)的，那么“登錄”是怎么實現(xiàn)的？這就要求去了解一下session和cookies了。GET方法和POST方法的區(qū)別（事實上除了字面意思不一樣沒有任何區(qū)別）。瀏覽器要熟練。爬蟲的過程其實是模擬人類去瀏覽器數(shù)據(jù)的過程。所以瀏覽器是怎么訪問一個網(wǎng)站的，你要學會去觀察，怎么觀察呢？Developer Tools！Chrome的Developer Tools提供了訪問網(wǎng)站的一切信息。從traffic可以看到所有發(fā)出去的請求。copy as curl功能可以給你生成和瀏覽器請求完全一致的curl請求！我寫一個爬蟲的一般流程是這樣的，先用瀏覽器訪問，然后copy as curl看看有哪些header，cookies，然后用代碼模擬出來這個請求，*處理請求的結(jié)果保存下來。5.運維這個話題要說的有很多，實際工作中運維和開發(fā)的時間差不多甚至更多一些。維護已經(jīng)在工作的爬蟲是一個繁重的工作。隨著工作時間增加，一般我們都會學著讓寫出來的爬蟲更好維護一些。比如爬蟲的日志系統(tǒng)，數(shù)據(jù)量的統(tǒng)計等。將爬蟲工程師和運維分開也不太合理，因為如果一個爬蟲不工作了，那原因可能是要抓的網(wǎng)頁更新了結(jié)構(gòu)，也有可能出現(xiàn)在系統(tǒng)上，也有可能是當初開發(fā)爬蟲的時候沒發(fā)現(xiàn)反扒策略，上線之后出問題了，也可能是對方網(wǎng)站發(fā)現(xiàn)了你是爬蟲把你封殺了，所以一般來說開發(fā)爬蟲要兼顧運維。所以爬蟲的運維我可以提供下面幾個思路：首先，從數(shù)據(jù)增量監(jiān)控。定向爬蟲（指的是只針對一個網(wǎng)站的爬蟲）比較容易，一段時間之后對一些網(wǎng)站的數(shù)據(jù)增量會有一個大體的了解。經(jīng)?？纯催@些數(shù)據(jù)的增加趨勢是否是正常就可以了（Grafana）。非定向爬蟲的數(shù)據(jù)增量不是很穩(wěn)定，一般看機器的網(wǎng)絡狀況，網(wǎng)站的更新情況等（這方面我的經(jīng)驗不多）。然后看爬蟲執(zhí)行的成功情況。在上面提到了用任務隊列控制爬蟲工作，這樣解耦可以帶來很多好處，其中一個就是可以就是可以對一次爬蟲執(zhí)行進行日志?？梢栽诿看闻老x任務執(zhí)行的時候，將執(zhí)行的時間、狀態(tài)、目標url、異常等放入一個日志系統(tǒng)（比如kibana），然后通過一個可視化的手段可以清晰地看到爬蟲的失敗率。爬蟲拋出的Exception。幾乎所有的項目都會用到錯誤日志收集（Sentry），這里需要注意的一點是，忽略正常的異常（比如錯誤，鎖沖突等），否則的話你會被這些錯誤淹沒。

雖說掌握和了解了JavaEE、python、php，學哪個比較好？，java爬蟲工程師和java開發(fā)工程師有區(qū)別嗎，一個合格的數(shù)據(jù)爬蟲工程師需要掌握什么??，能走遍天下，但也要不斷去學習新的知識，更多的Java知識，請聯(lián)系客服獲取。