爬虫使用场景分类
爬虫在使用场景中的分类:
通用爬虫:
抓取系统重要组成部分。抓取的是一整张页面数据
聚焦爬虫:
是建立在通用爬虫的基础之上。抓取的是页面中特定的局部内容
增量式爬虫:
检测网站中数据更新的情况。只会抓取网站中最新更新出来的数据。
爬虫的矛与盾
反爬机制:
门户网站,可以通过制定相应的策略或者技术手段,防止爬虫程序进行网站数据的爬取。
反反爬机制:
爬虫程序可以通过制定相关的策略或者技术手段,破解门户网站中具备的反爬机制,从而获取门户网站中相关的数据。
robots.txt协议:
君子协议。规定了网站中哪些数据可以被爬虫爬取,哪些数据不可以被爬取。
例如:https://www.taobao.com/robots.txt