13518219792
爬虫是在获取数据，数据挖掘是在已经获取到的数据中做一些处理
来安网站制作公司哪家好，找创新互联建站！从网页设计、网站建设、微信开发、APP开发、成都响应式网站建设等网站项目制作，到程序开发，运营维护。创新互联建站成立于2013年到现在10年的时间，我们拥有了丰富的建站经验和运维经验，来保证我们的工作的顺利进行。专注于网站建设就选创新互联建站。
个人觉得数据挖掘就是指知识获取的过程，一般是海量数据下对数据进行分析，挖掘，钻取，不强调具体方法，可能涵盖各种方法（统计学、机器学习等等），而机器学习更强调方法，决策树、神经网络、贝叶斯分类等，数据挖掘范围更大，包含机器学习。拙见。
pcntl_fork或者swoole_process实现多进程并发。按照每个网页抓取耗时500ms，开200个进程，可以实现每秒400个页面的抓取。
curl实现页面抓取，设置cookie可以实现模拟登录
simple_html_dom 实现页面的解析和DOM处理
如果想要模拟浏览器，可以使用casperJS。用swoole扩展封装一个服务接口给PHP层调用
在这里有一套爬虫系统就是基于上述技术方案实现的，每天会抓取几千万个页面。
