网络爬虫知识点

1.URL的清洗

---

2.cchardet模块
该模块是chardet的升级版，功能和chardet完全一样，用来检测一个字符串的编码。由于是用C和C++实现的，所以它的速度非常快，非常适合在爬虫中用来判断网页的编码。切记，不要相信requests返回的encoding，自己判断一下更放心。

---

3.traceback模块
try来捕获异常让程序不中断，但是我们又需要看看捕获的异常是什么内容，由此来改善我们的爬虫。这个时候，就需要traceback模块。
比如在downloader()函数里面我们用try捕获了get()的异常，但是，异常也有可能是cchardet.detect()引起的，用traceback.print_exc()来输出异常，有助于我们发现更多问题。

tips

关于抛出异常这个问题，我之前一直是用的

          try:
              #异常
          except Exception,e:
              print e

后者只是报了个错，但是却不知道在哪个文件哪个函数哪一行报的错。而前者却会告诉你在哪个文件的哪一行报错

---

未完待续。。。