Python爬虫教程-01-爬虫介绍
Spider-01-爬虫介绍
Python 爬虫的知识量不是特别大，但是需要不停和网页打交道，每个网页情况都有所差异，所以对应变能力有些要求
爬虫准备工作
- 参考资料
- 精通Python爬虫框架Scrapy，人民邮电出版社
基础知识
- url, http
- web前端，html，css，js
- ajax
- re，xpath
- xml
python 爬虫简介
-
爬虫定义：网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫
-
两大特征
- 能按照作者要求下载数据
- 能自动在网络上流窜 -
三大步骤
- 下载网页
- 提取正确的信息
- 根据一定规则自动跳到另外的网页上执行上两步操作 -
爬虫分类
- 通用爬虫：
不分类，比如百度搜索引擎，我们通过百度输入数据，获取百度爬虫从各种网站爬到的数据
- 专用爬虫（聚焦爬虫） ：
就是我们介绍的，关于某一类的数据，比如说，需要爬智联招聘网站，某地区的招聘信息 -
Python网络包简介
- Python2.* ：urllib, urllib2, urllib3, httplib, httplib2, requests
- Python3.* ：urllib, urllib3, httplib2, requests
- Python2：urllib, urllib2配合使用，或者requests
- Python3：urllib，requests
我的爬虫笔记
- Python爬虫教程-01-爬虫介绍
- Python爬虫教程-02-使用urlopen
- Python爬虫教程-03-使用 chardet 检测编码
- Python爬虫教程-04-response简介
- Python爬虫教程-05-python爬虫实现百度翻译
- Python爬虫教程-06-爬虫实现百度翻译(requests)
- Python爬虫教程-07-post介绍(百度翻译)（上）
- Python爬虫教程-08-post介绍(百度翻译)（下）
- Python爬虫教程-09-error 模块
- Python爬虫教程-10-UserAgent和常见浏览器UA值
- Python爬虫教程-11-proxy代理IP，隐藏地址（猫眼电影）
- Python爬虫教程-12-爬虫使用cookie爬取登录后的页面(人人网)（上）
- Python爬虫教程-13-爬虫使用cookie爬取登录后的页面(人人网)（下）
- Python爬虫教程-14-爬虫使用filecookiejar保存cookie文件(人人网)
- Python爬虫教程-15-读取cookie(人人网)和SSL(12306官网)
- Python爬虫教程-16-破解js加密实例（有道在线翻译）
- Python爬虫教程-17-ajax爬取实例（豆瓣电影）
- Python爬虫教程-18-页面解析和数据提取
- Python爬虫教程-19-数据提取-正则表达式(re)
- Python爬虫教程-20-xml简介
- Python爬虫教程-21-xpath
- Python爬虫教程-22-lxml-etree和xpath配合使用
- Python爬虫教程-23-数据提取-BeautifulSoup4（一）
- Python爬虫教程-24-数据提取-BeautifulSoup4（二）
- Python爬虫教程-25-数据提取-BeautifulSoup4（三）
- Python爬虫教程-26-Selenium + PhantomJS
- Python爬虫教程-27-Selenium Chrome版本与chromedriver兼容版本对照表
- Python爬虫教程-28-Selenium 操纵 Chrome
- Python爬虫教程-29-验证码识别-Tesseract-OCR
- Python爬虫教程-30-Scrapy 爬虫框架介绍
- Python爬虫教程-31-创建 Scrapy 爬虫框架项目
- Python爬虫教程-32-Scrapy 爬虫框架项目 Settings.py 介绍
- Python爬虫教程-33-scrapy shell 的使用
- Python爬虫教程-34-分布式爬虫介绍
- 本笔记学习于图灵学院python全栈课程 - 本笔记不允许任何个人和组织转载
