爬虫--1

Posted 2021-02-12 lzqrkn

Python非常适合用来开发网页爬虫，理由如下：
1、抓取网页本身的接口
相比与其他静态编程语言，如java，c#，c++，python抓取网页文档的接口更简洁；相比其他动态脚本语言，如perl，shell，python的urllib包提供了较为完整的访问网页文档的API。（当然ruby也是很好的选择）
此外，抓取网页有时候需要模拟浏览器的行为，很多网站对于生硬的爬虫抓取都是封杀的。这是我们需要模拟user agent的行为构造合适的请求，譬如模拟用户登陆、模拟session/cookie的存储和设置。在python里都有非常优秀的第三方包帮你搞定，如Requests

2、网页抓取后的处理
抓取的网页通常需要处理，比如过滤html标签，提取文本等。python的beautifulsoap提供了简洁的文档处理功能，能用极短的代码完成大部分文档的处理。
其实以上功能很多语言和工具都能做，但是用python能够干得最快，最干净。

爬虫的概念：

              - 通用爬虫；即将一整张页面进行数据爬取，搜索引擎抓取系统

　　　　- 聚焦爬虫；即将网页中局部内容进行爬取，与通用爬虫有关系，要先进行通用爬虫

　　　　- 增量式；只爬取最新更新的数据，或者说只爬取没有爬取过的数据

准备工作

1.抓包工具fiddler安装和配置

链接：https://pan.baidu.com/s/1eHbcXbTozMr7QVvi6Cw_mA
提取码：aohp
大妈们可以尽情下载，剩下的勿打扰好吧

直接傻瓜式安装，懂吧

安装之后打开，这里注意！！！！！

　3）打开程序，点击"是"

　　4）是否更新提示弹框，选择"No"，如下图

　　5）点击菜单的"Tools -> Options"，如下图

　　6）安装证书，如下图

　　7）重启fiddler，清楚记录，我们可以在fiddler中查看，我们主要使用以下几个部分

参考博客：https://www.cnblogs.com/li-li/p/10435898.html#_label0