大家好，其实我是门外汉，我上学的时候，玩过大话西游，QQ幻想，后来洛奇，学了一点按键精灵（一种和vb差不多的编程语言），辅助我玩游戏来着。这是我的编程基础。
要是我爬别人的网站，就会先把需要爬的url保存在TXT，或者Excel文件里。
用按键精灵打开浏览器，模拟手动（快捷键或者鼠标点击）输入TXT或者Excel的网址。
然后模拟手动全选，然后用 处理字符串函数，mid，right，left，len，instr 这些提取需要的字符串。
然后保存到Excel，或者是 txt 。
这样做其实很费机器，CPU使用很高，而且网速占用也很高。因为要加载很多不需要的图片，如图片，flash，mpg文件等。
而且经常出错，可能是excel出错，也可能是脚本出错，很多时候是浏览器出错。
请问大家，你们是怎么做的呢？
我目前会php，MySQL，JavaScript，jQuery，ajax 等编程语言。对json，xml，html 的数据，也都了解了。
希望大家结合我会的，当然以方便为主，有更方便的也可以告诉一下。
另外对于浏览器的调试信息，也就是f12的面板，我就会看js的输出。
只要有思路，欢迎大家回答，我起点低，基本是个回答都对我有帮助，谢谢了!
用node爬过
你这个说的不明确，爬虫说简单也简单，说难也难，主要看你需要抓取什么类型的网站。写爬虫大家用得多的就是python，然后还有人用java，node.js 之类的，其实理论上只要是一门编程语言都可以用来写爬虫。但是区别在于容易与否，python关键是可以用的库多，不用自己重复造轮子。如果不用python的话，我给你说个思路。爬虫三大步，首先要发起http请求，然后返回页面，最后分析页面提取数据。当然这个过程可以循环，静态页面简单的爬取都很简单，如果遇到js生成的动态页面，你需要抓包分析其中的Ajax请求发送的数据，还有返回的数据，在python中可以简单粗暴的模拟浏览器渲染js页面。简单的数据可以打印出来或者TXT文件，数据量过大时放到数据库中。最后一点也是最重要的一点就是效率问题，爬虫这个东西大家学两周都会写，但是你得知道Google就是一只大爬虫。
我只会用 Node 爬取简单的网页 https://github.com/hanzichi/f...
你熟悉php的话，先用这个语言以及一个叫phpquery的库解决问题吧，发现有性能瓶颈、需要爬的极致爬的漂亮的时候引入python的pyspider、beautifulsoup等
很老的项目，但是我一些小的爬虫都用它写，简单
https://github.com/TobiaszCud...
另外还发现一个国人写的基于phpquery的开源项目，目测更简单一些
http://querylist.cc/