网页三大特征及爬虫思路和流程（爬虫）

网页三大特征：
1.网页都有自己唯一的URL（统一资源命令符）来进行定位

2.网页都使用HTML（定位超文本标记语言）来描述页面信息

3.网页都使用HTTP/HTTPS（超文本传输协议）协议来传输HTML数据

爬虫的设计思路：

1.首先确定需要爬取的网页URL地址

2.通过HTTP/HTTPS协议来获取对应的HTML页面

3.提取HTML页面里有用的数据

    a.如果是需要的数据就保存起来

    b.如果是页面里的其他URL，那就继续执行第二步

爬虫流程：

           1.先由urllib的request打开URL得到网页的HTML文档

           2.浏览器打开网页源代码分析元素节点

           3，通过BeautifulSoup或者正则表达式提取想要的数据

           4.储存数据到本地磁盘或数据库（抓取，分析，储存）