爬虫的基本概念和流程

一、爬虫是什么？
        如果我们把互联网比作一张大的蜘蛛网，数据便是存放于蜘蛛网的各个节点，而爬虫就是一只小蜘蛛，沿着网络抓取自己的猎物（数据）爬虫指的是：向网站发起请求，获取资源后分析并提取有用数据的程序。
        从技术层面来说就是 通过程序模拟浏览器请求站点的行为，把站点返回的HTML代码/JSON数据/二进制数据（图片、视频） 爬到本地，进而提取自己需要的数据，存放起来使用；

二、爬虫的基本流程
        用户获取网络数据的方式：
        方式1：浏览器提交请求--->下载网页代码--->解析成页面
        方式2：模拟浏览器发送请求(获取网页代码)->提取有用的数据->存放于数据库或文件中
        爬虫要做的就是方式2。

1、发起请求
        使用http库向目标站点发起请求，即发送一个Request
        Request包含：请求头、请求体等 
        Request模块缺陷：不能执行JS 和CSS 代码

2、获取响应内容
        如果服务器能正常响应，则会得到一个Response
        Response包含：html，json，图片，视频等

3、解析内容
        解析html数据：正则表达式（RE模块），第三方解析库如Beautifulsoup，pyquery等
        解析json数据：json模块
        解析二进制数据:以wb的方式写入文件

4、保存数据
        数据库（MySQL，Mongdb、Redis）
        文件