第一篇 爬虫技术入门了解篇
Posted python编程军火库
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第一篇 爬虫技术入门了解篇相关的知识,希望对你有一定的参考价值。
各位小伙伴大家好,从今天起我们就正式开始爬虫技术的讨论,本期我们主要说明以下几个问题:
1.什么是爬虫
爬虫,即网络爬虫,大家可以理解为在网络上爬行的一只蜘蛛,互联网就比作一张大网,而爬虫便是在这张网上爬来爬去的蜘蛛,如果它遇到资源,那么它就会抓取下来。想抓取什么?这个由你来控制它,通过特定的逻辑获取你想要的资源。
比如它在抓取一个网页,在这个网中他发现了一条道路,其实就是指向网页的超链接,那么它就可以爬到另一张网上来获取数据。这样,就可以爬取到你想要获取的东西了
2.浏览网页的过程
用户浏览网页的过程中,我们可能会看到许多好看的图片,比如我们会看到几张的图片以及百度搜索框,这个过程其实就是用户输入网址之后,经过DNS服务器,找到服务器主机,向服务器发出一个请求,服务器经过解析之后,发送给用户的浏览器 html、JS、CSS 等文件,浏览器解析出来,用户便可以看到形形色色的图片了。
因此,用户看到的网页实质是基于HTML代码构成的,其余的样式以及各种绚丽的动画都是通过CSS和JS 技术加载出来的。爬虫爬来的便是这些内容,通过分析和过滤这些 HTML 代码,实现对图片、文字等资源的获取。
3.URL的含义
URL的格式由三部分组成:
①第一部分是协议(或称为服务方式)。
爬虫爬取数据时必须要有一个目标的URL才可以获取数据,因此,它是爬虫获取数据的基本依据,准确理解它的含义对爬虫学习有很大帮助。
4. 环境的配置
本套教程我们使用python3版本,编辑代码工具使用pycharm.目前还没有搭建起环境的小伙伴可以在后台点击:资源获取按钮,输入数字获取,并进行安装。
5.对爬虫的误解的解释
爬虫不是万能的,但是没有爬虫是万万不能的,开个玩笑。其实爬虫并不是能自动的解决任何事情,有了它能提高生产力那是一定的,但是你想让他向人一样的解决一切问题是不可能的。比如,识别图片,提取一段文字中的意思,这些单纯的靠爬虫技术是完不成的,请大家有一个清晰的认识。
好了本期就先分享到这里,从下一期开始我们就会从0开始一边敲代码一边讲解技术了,各位小伙伴请做好准备!
当你发现自己的才华撑不起野心时,请安静的坐下来学习吧。
------还是牛
以上是关于第一篇 爬虫技术入门了解篇的主要内容,如果未能解决你的问题,请参考以下文章