原理篇
一、爬虫的流程
1.发起请求,通过HTTP库向目标站点发起请求,及发送一个request,可以包含headers等信息
2.获取响应内容,如果正常响应,会得到一个response,其内容便是我们要获取的内容页面,可能有HTML,json,图片视频等格式内容
3.解析内容,若得到HTML,则使用正则,bs4等进行解析,若是json,直接转换为json对象解析,若是二进制数据,可以保存下来
4.保存数据,可以保存为文本,至数据库,或特定文件
二、Request
1.请求方式:
get:请求的所有参数都包含在网址里面
post:放在request中的form data里,也可以使用Ajax请求数据
其他方式不常用
2.请求的URL
- 统一资源定位符,一个网页文档,一张图片,一个视频等都可以用URL来唯一确定