文章目录
前言
本文从零开始带领大家认识爬虫,了解爬虫的本质,理解爬虫的工作流程,以及如何利用浏览器分析出爬虫程序所需要的各种身份信息
1、爬虫的基本概念
1.1 什么是爬虫?
请求网站并提取数据的自动化程序
说明:
我们通过运行编写的程序,自动化的去向网站发送请求,网站接收我们的请求后将我们需要的数据返回给我们,这个程序就叫做爬虫
1.2 爬虫分类
- 通用爬虫(大而全)
功能强大,采集面广,通常用于搜索引擎;如:百度、360、谷歌 - 聚焦爬虫、主题爬虫(小而精)
功能相对比较单一(只针对特定的网站的特定内容进行爬取) - 增量式爬虫(只采集更新后的内容)
爬取更新后的内容,如:新闻、漫画、视频…(区分新老数据)
本质:
百度、谷歌这些搜索引擎自身就是一个巨大的爬虫,我们在搜索框中输入想