爬虫
什么是爬虫:
通过编写程序,模拟浏览器上网,然后让其去互联网上抓取的过程
爬虫的合法性
在法律中是不被禁止的,具有违法风险爬虫不得干扰被访问网站的运营,爬虫抓取了受保护的数据与信息
爬虫的分类
通用爬虫:抓取系统重要组成部分,抓取一整页页面数据
聚焦爬虫:抓取的是页面中特定的局部内容
增量式爬虫:监测网站中数据更新的情况,只会抓取最新更新出来的数据
robots.txt协议
规定了那些可以爬取,那些不可以爬取
http&https协议
HTTP协议
概念:服务器与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:请求完毕之后,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
有加密,加密方式
对称密钥加密
非对称加密
证书加密
REQUESTS模块
作用:模拟浏览器发送请求
如何使用(编码流程):指定URL,发送请求,获取响应的数据,持久化存储,
pip install requests
具体的代码的编写