在学习Python爬虫部分,需要你已经学过Python基础和前端的相关知识。


文章目录

    • a) 爬虫的概念
    • b) 爬虫分类
    • c) 爬虫的原理
    • d) 各种语言写爬虫的对比
    • 开发环境介绍:
    • 数据的来源及作用
    • 数据的作用
    • 爬虫的相关概念


开发环境介绍:

  • window10 操作系统
  • Python解释器3.8
  • 集成开发环境pycharm

数据的来源及作用

数据的来源有哪些?

  • 用户产生的数据: 百度指数
  • 政府统计的数据: 政府数据
  • 数据管理公司: 聚合数据
  • 自己爬取的数据: 爬取网站上的某些视频

数据的作用

  • 数据分析
  • 智能产品的练习数据
  • 其他(比如买卖)

爬虫的相关概念

a) 爬虫的概念

爬虫就是应用程序,从网上下载各种各样的资源。
换句话说就是使用编程语言编写一个用于爬虫web或者app的数据应用程序。
怎么爬取数据呢?

  • 找到要爬取的目标网站,发起请求
  • 分析url是如何变化的和提取有用的url
  • 提取有用的信息

爬虫什么数据都可以爬吗?
当然不能,需要遵守一定的规则和协议

可以看一下京东的:
【Python从零到壹】Python爬虫部分开篇_爬虫
有些是允许的,有些是不允许的。

b) 爬虫分类

  • 通用爬虫
    百度等搜索引擎,从一些初始的URL扩展到整个网站,主要为门户站点搜索引起和大型网站服务采集数据
  • 聚焦网站爬虫
    主题网络爬虫,选择性爬取根据需求相关的页面的网络爬虫
  • 增量式网络爬虫
    对已经下载的页面采取更新知识和只爬新产生的。

c) 爬虫的原理

  • 通用的爬虫原理
  • 【Python从零到壹】Python爬虫部分开篇_Python_02
  • 聚焦网络爬虫原理
    【Python从零到壹】Python爬虫部分开篇_Python_03

d) 各种语言写爬虫的对比

  • php对多线程,异步支持不是很友好,并发能力弱。速度和效率低
  • java: 代码量大,而且重构成本比较高,任何改动都会导致大量的改动,而爬虫需要经常修改采集代码
  • Python: 开发效率高,代码简洁,支持的模块多,和HTTP请求和html解析模块非常丰富,还有scrapy,scrapy-redis框架,让开发爬虫更简单。