【1】20220801爬虫模块

一、前提知识

  1. 字符串
    1. 格式string
    2. ascii
    3. str与byte的转换
      1. str转byte
        1. x.encode()
      2. byte转str
        1. x.decode("utf-8")
        2. x.decode("gbk")
  2. HTTP请求头
    1. HTTP超文本传输协议
    2. HTTPS比HTTP更安全
  3. markdown语法
    1. - bullet point
    2. # 标题
    3. 爬虫流程
      1. url 发送请求获取相应-提取数据-保存
      2. 发送请求获取响应-提取url
      3. ```中间是代码内容 是代码被引用的样子```
  4. url形式
    1. scheme 如http https的协议
    2. host服务器IP或者域名
    3. path资源路径
    4. query-string参数 发给服务器的数据
    5. anchor 锚点 跳转到网页指定锚点
  5. HTTP请求形式
  6. request headers
    1. 带上足够的字段模拟浏览器
    2. 常见请求头

  1. 爬虫
    1. 通用:搜索引擎
    2. 聚焦:针对特定网站

    1. 动态-JS

二、爬虫基础知识

  1. 应用场景
    1. 微信-搜狗微信
    2. 12306-同程旅游
    3. 抢票-投票-短信轰炸
  2. 概念
    1. click其实是请求
  3. 分类
  4. 工作流程
  5. robots协议

*pagerank算法是搜索引擎排名逻辑基础

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值