day35 爬虫简述

Posted 天才源于勤奋 聪明在于积累

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day35 爬虫简述相关的知识,希望对你有一定的参考价值。

爬虫概要

  • - pip3 install requests
  • - pip3 install beautifulsoup4

 

  • 基本爬虫:
  1. - Python实现浏览器行为,requests
  1. - beautifulsoup4,对html内容进行分析
  1. - Http相关知识:
    • - cookie
    • csrf
    • 请求头

  性能相关:

    - 线程池

    - 进程池

    - 异步非阻塞,

      - (异步=回调,非阻塞=不等待)遇到IO请求不等待,继续执行其他任务,如果IO请求响应内容回来了,自动回调执行某个函数

      - 协程

    - twisted

    - gevent

      - greenlet,协程

      - libevent

    - asyncio

    - tornado

 

  Scrapy框架

    - 性能相关: twisted

    - URL

    - 对象, #id

    redis-scrapy


1. 基本爬虫

  - 基本获取页面指定内容
  - 登录之后
    - github
    - chouti
    - 博客园(用户名密码加密)
      - 用户名和密码
    - 知乎,新浪微博(图片验证码)
      - 第三方
      - xxx

课堂代码:

https://github.com/liyongsan/git_class/tree/master/day35/s16day35

 

以上是关于day35 爬虫简述的主要内容,如果未能解决你的问题,请参考以下文章

简述第一文《为啥选择爬虫,选择python》

分布式网络爬虫的基本实现简述

python-爬虫day1

python爬虫 Day 7+

python爬虫 Day 6

python爬虫 Day 8