python爬蟲的基礎概述什么是爬蟲

網絡爬蟲，即Web Spider，是一個很形象的名字。把互聯(lián)網比喻成一個蜘蛛網，那么Spider就是在網上爬來爬去的蜘蛛。網絡蜘蛛是通過網頁的鏈接地址來尋找網頁的。從網站某一個頁面（通常是首頁）開始，讀取網頁的內容，找到在網頁中的其它鏈接地址，然后通過這些鏈接地址尋找下一個網頁，這樣一直循環(huán)下去，直到把這個網站所有的網頁都抓取完為止。如果把整個互聯(lián)網當成一個網站，那么網絡蜘蛛就可以用這個原理把互聯(lián)網上所有的網頁都抓取下來。這樣看來，網絡爬蟲就是一個爬行程序，一個抓取網頁的程序。網絡爬蟲的基本操作是抓取網頁。瀏覽網頁的過程

在用戶瀏覽網頁的過程中，我們可能會看到許多好看的圖片，比如http://image.baidu.com/，我們會看到幾張的圖片以及百度搜索框，這個過程其實就是用戶輸入網址之后，經過DNS服務器，找到服務器主機，向服務器發(fā)出一個請求，服務器經過解析之后，發(fā)送給用戶的瀏覽器HTML、JS、CSS等文件，瀏覽器解析出來，用戶便可以看到形形色色的圖片了。

因此，用戶看到的網頁實質是由HTML代碼構成的，爬蟲爬來的便是這些內容，通過分析和過濾這些HTML代碼，實現(xiàn)對圖片、文字等資源的獲取。URL的含義

URL，即統(tǒng)一資源定位符，也就是我們說的網址，統(tǒng)一資源定位符是對可以從互聯(lián)網上得到的資源的位置和訪問方法的一種簡潔的表示，是互聯(lián)網上標準資源的地址。互聯(lián)網上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置以及瀏覽器應該怎么處理它。

URL的格式由三部分組成：

①第一部分是協(xié)議(或稱為服務方式)。

②第二部分是存有該資源的主機IP地址(有時也包括端口號)。

③第三部分是主機資源的具體地址，如目錄和文件名等。

爬蟲爬取數(shù)據(jù)時必須要有一個目標的URL才可以獲取數(shù)據(jù)，因此，它是爬蟲獲取數(shù)據(jù)的基本依據(jù)，準確理解它的含義對爬蟲學習有很大幫助。環(huán)境的配置

學習Python，當然少不了環(huán)境的配置，最初我用的是Notepad++，不過發(fā)現(xiàn)它的提示功能實在是太弱了，于是，在Windows下我用了PyCharm，在Linux下我用了EclipseforPython，另外還有幾款比較優(yōu)秀的IDE，大家可以參考這篇文章學習Python推薦的IDE。好的開發(fā)工具是前進的推進器，希望大家可以找到適合自己的IDE。

本文由 言淺 創(chuàng)作，采用 知識共享署名4.0 國際許可協(xié)議進行許可

本站文章除注明轉載/出處外，均為本站原創(chuàng)或翻譯，轉載前請務必署名

最后編輯時間為: Jul 6, 2018 at 12:09 pm

總結

以上是生活随笔為你收集整理的python爬虫课件_Python爬虫教学视频(附课件)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。