python爬虫
网络爬虫是一个自动提取网页的程序,它为搜索引擎从万维网上下载网页,是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。
1. html网页源代码
学过前段的朋友们都知道html是用于网页创作的超文本标记语言,在html中有许多的标签如:<a></a>、<href></href>、<p></p>等等这样以来使得html的源码变得有规律可循有结构层次化
而python爬虫的逻辑是:去模拟人类的操作的行为