python爬虫介绍

#什么是爬虫:编写程序模拟浏览器上网,让其去互联网抓取数据过程
#爬虫的价值:实际应用,就业
'''爬虫究竟是合法还是违法的？
在法律中是不被禁止
具有违法风险
善意爬虫
恶意爬虫
爬虫带来的风险可以体现在如下2方面：
爬虫干扰了被访问网站的正常运营
爬虫抓取了收到法律保护的特定类型的数据或信息
如何在使用编写爬虫的过程中避免进入局子的厄运呢？
时常的优化自己的程序,
避免干扰被访问网站的正常运行'''
'''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。
反反爬策略
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，
2
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。! '''

'''http协议
-
概念：就是服务器和客户端进行数据交互的一种形式。
常用请求头信息
-
User-Agent：请求载体的身份标识
- Connection：请求完毕后，是断开连接还是保持连接
常用响应头信息
-
Content-Type：服务器响应回客户端的数据类型
https协议:
安全的超文本传输协议
加密方式：
对称私钥加密
非对称秘钥加密
证书秘钥加密'''