Python爬虫知识点——爬虫的基本原理
爬虫的基本原理
爬虫就是获取网页并提取和保存信息的自动化程序
获取网页:
获取网页就是获取网页的源码,只要把源码获取下来,就可以从中提取想要的消息
爬虫的流程:想网站的服务器发送一个请求,返回的响应体就是网页的源代码。
>1,构造请求发送给服务器=>2.接受响应并解析
提取信息:
通过分析网页结构,提取网页信息。通常使用的解析库有:BeautifulSoup、lxml、pyquery,也可以使用正则,但是构造正则表达式比较复杂且易错
保存数据:
将提取的数据保存到某处以便后续利用。保存形式有:TXT、Json、数据库:MySQL、MongoDB、或远程服务器SFTP...
自动化程序
替人完成完成爬取工作的自动化程序,可以在抓取过程中进行异常处理……保证爬取的高效运行
文章摘自崔庆才的《Python3网络爬虫开发实战》