Python 因其快速简洁的开发特点，强大的文档处理相关库，非常适合爬虫开发。
下面主要介绍一下一些较为高效的 Python 爬虫框架。
Scrapy
Scrapy 是一个为了爬取网站数据，提取结构性数据而编写的应用框架。可以应用在包括数据挖掘、信息处理或存储历史数据等一系列的程序中。用这个框架可以轻松爬下来如亚马逊商品信息之类的数据。
Scrapy 的更详细的内容参考 Scrapy 教程。
官方网址：https://scrapy.org/
pyspider
pyspider 是一个用 Python 实现的功能强大的网络爬虫系统，能在浏览器界面上进行脚本的编写，功能的调度和爬取结果的实时查看，后端使用常用的数据库进行爬取结果的存储，还能定时设置任务与任务优先级等。
Crawley
Crawley 可以高速爬取对应网站的内容，支持关系和非关系数据库，数据可以导出为 JSON、XML 等。
Portia
Portia 是基于 Scrapy 的可视化数据采集框架，可让您在不需要任何编程知识的情况下爬取网站。简单地注释您感兴趣的页面，Portia 将创建一个蜘蛛来从类似的页面提取数据。
Grab
Grab 是一个 Python 框架。借助 Grab，您可以构建各种复杂的网页抓取工具，从简单的5行脚本到处理数百万个网页的复杂异步网站抓取工具。Grab 提供一个 API 用于执行网络请求和处理接收到的内容；例如与 HTML 文档的 DOM 树进行交互。
Cola
Cola 是一个分布式的爬虫框架，对于用户来说，只需编写几个特定的函数，而无需关注分布式运行的细节。任务会自动分配到多台机器上，整个过程对用户是透明的。
newspaper
newspaper 是一个可以用来提取新闻、文章和内容分析的 Python 库。使用多线程，支持10多种语言等。
Beautiful Soup
Beautiful Soup 是一个可以从 HTML 或 XML 文件中提取数据的 Python 库。它能够通过你喜欢的转换器实现惯用的文档导航、查找、修改文档的方式。Beautiful Soup 会帮你节省数小时甚至数天的工作时间。
