爬虫现在我刚接触到的是进行了一个静态网页的内容获取,还不会动态的获取网页中的内容;获取网页的内容需要了解一下上网的基础知识。客户端服务端的连接过程。
1:
request + BeautifulSoup;
request + XPath + etree
2:
urllib urllib2 urllib3
XPath
3:
lxml + etree+ selenium (需要安装webdriver 不同的浏览器有着不同的驱动)
用到了XPath的语法内容
思考:
目前接触到的都是爬取静态的网页内容,从网页的源码中获取关键字匹配进行操作;
增加爬虫难度:增加验证码,不规律的改变源码中的关键字段