python爬虫程序代码html python爬虫程序代码加注释

文章插图

文章插图
爬虫概述前戏
你是否在夜深人静的时候，想看一些会让你更睡不着的图片…

你是否在考试或者面试前夕，想看一些具有针对性的题目和面试题…

你是否想在杂乱的网络世界获取你想要的数据…

爬虫的价值
实际应用

就业
什么是爬虫

通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程
关键词抽取：
模拟：浏览器就是一个纯天然最原始的一个爬虫工具
抓取：
抓取一整张页面源码数据
抓取一整张页面中的局部数据
爬虫的分类
通用爬虫：
要求我们爬取一整张的页面源码数据
聚焦爬虫：
要求爬取一张页面中的局部的数据
聚焦爬虫一定是建立在通用爬虫基础之上
增量式爬虫：
用来检测网站数据更新的情况，以便爬取到网站最新更新出来的数据。
分布式爬虫：
提高爬虫效率的终极武器。
反爬、反反爬
反爬机制：
是作用到门户网站中。如果网站不想让爬虫轻易爬取到数据，它可以制定相关的机制或者措施阻止爬虫程序爬取数据。
反反爬策略：
是作用在爬虫程序中。我们爬虫可以制定相关的策略破击反爬机制从而爬取到相关的数据。
第一种反爬机制：
robots协议：防君子不防小人
是一个纯文本的协议，协议中规定了该网站中哪些数据可以被哪些爬虫爬起，哪些不可以被爬取。
破解：
你自己主观性的不遵从该协议即可。
【python爬虫程序代码html python爬虫程序代码加注释】robots协议详细介绍：