理解爬虫原理

1. 简单说明爬虫原理

简单来说模拟浏览器发送请求(获取网页代码)->提取有用的数据->存放于数据库或文件中

2. 理解爬虫开发过程

1).简要说明浏览器工作原理；

（1）：向服务器发起请求，通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器的响应。

（2）：获取响应内容如果服务器正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML、JSON、二进制文件（如图片、视频等类型）。

（3）：解析内容得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析。可能是JSON，可以直接转成JOSN对象进行解析，可能是二进制数据，可以保存或者进一步处理

（4）：保存内容保存形式多样，可以保存成文本，也可以保存至数据库，或者保存成特定格式的文件。

2).使用 requests 库抓取网站数据；

requests.get(url) 获取校园新闻首页html代码

import requests
res=requests.get('http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0322/11042.html')
res.encoding='utf-8'
res.text
print(res.text)

3).了解网页

写一个简单的html文件，包含多个标签，类，id

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>注册页面</title>
</head>
<body>
<body>
<form action="" method="post">
<table>
<tr><th colspan="2">注册用户</th></tr>
<tr>
<td>姓名：</td>
<td><input type="text" name="userName" /></td>
</tr>
<tr>
<td>性别：</td>
<td>男:<input type="radio" name="userSex" value="男" checked="checked">女:<input type="radio" name="userSex" value="女"></td>
</tr>
<tr>
<td>年龄：</td>
<td><input type="text" name="userName" /></td>
</tr>
<tr>
<td>联系电话：</td>
<td><input type="text" name="telephone" /></td>
</tr>
</table>
</form>
</body>
</body>
</html>