本教程是崔大大的爬虫实战教程的笔记：网易云课堂
Python3+Pip环境配置
用到的IDE是PyCharm，Windows下到官网下载就行（Professional版本）：http://www.jetbrains.com/pycharm/download/
Pycharm需要花钱，建议花钱买正版。
Mac我就不写了，因为我没有Mac
MongoDB环境配置
Linux以Ubuntu为例：sudo apt-get install mongodb
Redis环境配置
MySQL环境配置
爬虫的基本原理
什么是爬虫？
爬虫就是请求网站并提取数据的自动化程序
爬虫的基本流程
1.发起请求
2.解析请求
3.获取相应内容
4.保存数据
什么是Request和Response?
比如我们在浏览器中输入一个网址
浏览器就会发送消息给该网址所在的服务器，这个过程就叫做HTTP Request
服务器收到浏览器发送的消息后，能够根据浏览器发送消息的内容，做相应处理，然后把消息回传给浏览器。这个过程叫做HTTP Response
浏览器收到服务器的Response信息后，会对信息进行相应的处理，然后展示。
Request中包含什么？
1.请求方式：
主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等。
2.请求URL
3.请求头如User-Agent、Host、Cookies等
4.请求体
Responst中包含什么？
1.响应状态
有多种响应状态如200代表成功，301代表跳转，404代表找不到页面，502代表服务器错误
2.响应头
如内容类型，内容长度，服务器消息，设置Cookie等等
3.响应体
主要的部分，包含了请求资源的内容，如网页HTML、图片二进制数据等。
能抓取怎样的数据？
1.网页文本：如HTML文档，Json格式文本等
2.图片：获取的是二进制文件，另存为图片格式
3.视频：同为二进制文件，保持为视频格式即可
4.其他：只有能请求，都能获取
解析方式
1.直接处理
2.Json解析
3.正则表达式
4.BeautifulSoup
5.PyQuery
6.Xpath
7.其他
怎样解决JavaScript渲染的问题
1.分析Ajax请求
2.Selenium/WebDriver
3.Splash
4.PyV8、Fhost.py
怎样保存数据
1.文本：纯文本、Json、Xml等
2.关系型数据库：如MySQL、Oracle、SQL Server等具有结构化表结构形式的存储
3.非关系型数据库：如MongoDB、Redis等Key-Value形式存储
4.二进制文件：如图片、视频、音频等等直接保存成特定格式即可
Urllib库基本使用
Requests库的基本使用
正则表达式与re模块
BeautifulSoup库详解
PyQuery详解
Selenium详解
Requests+正则表达式爬取猫眼电影
