Python爬虫学习第1天丨从零开始初识爬虫

约定不等于承诺〃 2022-10-08 11:14 209阅读 0赞

经过前面Python基础内容的学习，相信好多小伙伴都感觉一身本事，但是无用武之地吧，哈哈哈。。。  
不要着急，如你们的愿，在爬虫阶段，我们就大胆的把基础部分的内容应用一下吧~~~

此时此刻，你准备好了吗？我们要开始爬虫的学习之路喽！

![format_png][]

## 一. 爬虫简介 ##

> 模拟浏览器，发送请求，获取响应

网络爬虫，英文名为Spider,又称为网页蜘蛛，网络机器人，在数据分析应用中，更多的将爬虫称为数据采集程序，是一种按照一定的规则，自动地抓取网络信息的程序或者脚本。

*  原则上,只要是客户端(浏览器)能做的事情，爬虫都能够做
 *  爬虫也只能获取客户端(浏览器)所展示出来的数据

网络中的数据可以是由web服务器【Nginx/Apache】，数据库服务【MySQL/Redis/MongoDB】，索引库，大数据，视频/图片库，云存储【阿里云的OSS】等提供的，最主要的来源是Web服务器。不过，大家一定要注意哦，可爬取的数据必须是公开的，非盈利的，如：如果侵入人家非公开的网络，人家会通过ip定位到你，属于违法行为的哦，再或者，一些理财的网站，如果爬取数据，肯定是不可以的，如果小伙伴们不听话，非要去爬取，那任何人都是保护不了你的哦，狗头保命~~~  
有名的爬虫案件：简历大数据公司“巧达科技”被一锅端、“车来了”涉嫌偷数据被警方立案等

![format_png 1][]

## 二. 爬虫分类 ##

![format_png 2][]

### 通用爬虫： ###

通用网络爬虫从互联网中搜集网页，采集信息，这些网页信息决定着整个引擎系统的内容是否丰富，信息是否即时，因此其性能的优劣直接影响着搜索引擎的效果大家要注意哦，通用爬虫虽然简单，方便，但是缺点也是显而易见的，宋宋给大家列举了几点，大家可以了解一下：a. 通用搜索引擎所返回的结果都是网页，而大多情况下，网页里90%的内容对用户来说都是无用的。b. 不同领域、不同背景的用户往往具有不同的检索目的和需求，搜索引擎无法提供针对具体某个用户的搜索结果。c. 万维网数据形式的丰富和网络技术的不断发展，图片、数据库、音频、视频多媒体等不同数据大量出现，通用搜索引擎对这些文件无能为力，不能很好地发现和获取。d. 通用搜索引擎大多提供基于关键字的检索，难以支持根据语义信息提出的查询，无法准确理解用户的具体需求。

### 聚焦爬虫： ###

聚焦爬虫，是"面向特定主题需求"的一种网络爬虫程序，它与通用搜索引擎爬虫的区别在于：聚焦爬虫在实施网页抓取时会对内容进行处理筛选，尽量保证只抓取与需求相关的网页信息，如12306抢票，或专门抓取某一个（某一类）网站数据。1.根据是否以获取数据为目的，可以分为：

*  功能性爬虫，给你喜欢的明星投票、点赞
 *  数据增量爬虫，比如招聘信息

2.根据url地址和对应的页面内容是否改变，数据增量爬虫可以分为：

*  基于url地址变化、内容也随之变化的数据增量爬虫
 *  url地址不变、内容变化的数据增量爬虫

看到这里，大家是不是发现通用爬虫简单，但是不实用，聚焦爬虫应用比较广泛，而且实用，但是实现起来难度较大，不过没事的哈，有宋宋的帮助，我们都能学会的，奥利给！！！

## 三. 爬虫的作用 ##

> 爬虫在互联网世界中有很多的作用，比如：

### 1. 数据采集，比如： ###

*  抓取微博评论(机器学习舆情监控)
 *  抓取招聘网站的招聘信息(数据分析、挖掘)
 *  新浪滚动新闻
 *  百度新闻网站

### 2. 软件测试 ###

*  爬虫之自动化测试

自动化测试所必需的selenium . selenium是一个用于Web应用程序测试的工具，selenium 测试直接运行在浏览器中，就像真正的用户在操作一样。支持的浏览器包括IE，chrome和Firefox等。其实就是借助于selenium做爬虫的事情。3. 抢票和投票

*  12306抢票
 *  投票网

### 3. 网络安全 ###

*  短信轰炸
 *  web漏洞扫描

## 四. 技术步骤 ##

第一步：爬取数据，实际上就是根据一个网址向服务器发起网络请求，获取到服务器返回的数据第二步：解析数据，将服务器返回的数据转换为人容易理解的样式第三步：筛选数据，从大量的数据中筛选出需要的数据第四步：存储数据，将筛选出来的有用的数据存储起来，如：数据库，CSV文件，Excel文件，JSON文件等只要小伙伴们按照这四个步骤操作，实现一个爬虫任务还是很简单的。

![format_png 3][]  
好了，我们本节课的内容就到此结束啦，通过本节课的学习，我们对爬虫有了大概的认识，并大概了解了爬虫相关的一些相关技术，有了这些概念的加持，对我们学习后面的内容会有很大的帮助。

期待大家学习完爬虫的全部课程之后，能有一个不错的收获~~~，Good Luck！！！

[format_png]: /images/20221005/b40bc2a1dcab40f691bf6d363c7cc645.png
[format_png 1]: /images/20221005/f37409687c484a64b060b7a062008dbf.png
[format_png 2]: /images/20221005/4cb2d622d9154559a34c4e3e4fc70306.png
[format_png 3]: /images/20221005/3b1fd5f8fced4d37b633ddcdb05746a6.png