初识爬虫

Posted bug-king

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了初识爬虫相关的知识,希望对你有一定的参考价值。

1.爬虫的定义:脚本,程序--->自动抓取万维网上信息的程序。
2、爬虫可以解决的问题:
(1)解决冷启动的问题。(初创网站没有自己的信息直接爬取其他平台获取信息)
(2)搜索引擎的根基。做搜索引擎,必须使用爬虫。
(3)帮助机器学习建立知识图谱。
机器学习最终的是训练集。训练集可以靠爬虫爬去。
(4)可以制作比较软件。

3.爬虫注意:

(1)、robots协议
定义:网络爬虫排除标准
作用:告诉搜索引擎哪些可以爬哪些不能爬。
(2)、sitemap:网站地图,可以帮助我们了解一个网站的结构。
(3)、估算网站的大小
site:www.taobao.com

以上是关于初识爬虫的主要内容,如果未能解决你的问题,请参考以下文章

小白python爬虫之路——初识爬虫原理

爬虫初识

Python爬虫--初识爬虫

初识爬虫

python小课堂专栏python小课堂33 - 初识原生爬虫优化

爬虫之初识爬虫