第一课 Python爬虫初识与网络请求

Python爬虫学习第一课记录

1.非结构化数据：

如图的网页资料/文章，因此我们需要挖掘有价值的数据，那么这个时候我们需要通过ETL（Extract,Transformation,Loading）工具才能将数据转化为结构化数据之后，数据才可以的有效的利用。

2.ETL:

原始资料->ETL脚本->结构化数据

食材->厨师->美食

3.如何处理非结构化数据

将新闻列表的标题、摘要、图片抓取下来。

4.网络爬虫：

比如百度、Google等搜索引擎的各种爬虫，无数的爬虫自动的去获取网络上的最新资讯。

用途：

1.比如开发一个爬虫自动获取用户的需求数据===挖掘价值数据，降低人工成本，提升效益！

新浪新闻主页

5.网络请求：

浏览器F12打开控制台，看到有186个请求

（这里我使用的是360极速浏览器）

随便打开一个

很容易理解！这是我们的概览请求

然后我们看看网站服务器给我们的回应：

打开网址：http://news.sina.com.cn/china/

国内新闻：

按下F12打开开发者工具，刷新后选择DOC（如图）：

需要的环境相信大家都配置好了！

Python3.x

Request

Beautifulsoup4

对于环境的配置和安装，百度一下就会有很多详细的资料，此处不详细讲解！

至此，第一课结束！

QQ:1099718640

个人主页：http://blog.csdn.net/dyboy2017