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
成都创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站制作、成都网站建设、外贸营销网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的左贡网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
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。
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。
哈看样子copy你不喜欢爬虫了，网络爬虫有很多，只能爬网页数据，目前百操作界面有点复杂，没有编程基础的比较难上手。780 400 800
个人喜欢用小帮，UiBot 数据采集机器人。这个傻瓜式度的，只需要简单配置就可以，不只是网页可采集保存到本地，系统软件也可以呢。这个可靠，问可以试试。个人有很多网站的有价值答的数据和表格都是这么搞下来的。上面那个数是抠，可以申请免费试用。
