爬虫简介
- 爬虫定义: 网络爬虫(又被称为网页蜘蛛,网络机器人,在FOAF社区中间,更经常的称为网页追逐着),是一种按照一定规则,自动抓取万维网信息的程序或脚本。
另外一些不常用的名字还有网络蚂蚁,自动索引,模拟程序或蠕虫
两大特征
- 能按作者要求下载数据或内容
- 能自动在网络上流窜
三大步骤
- 下载信息 (下载网页)
- 提取正确的信息
- 根据一定的规则自动跳转到另外的网页上执行以上两步
爬虫分类
- 通用爬虫
- 专用爬虫(聚焦爬虫)
Python 网络包简介
- Python2.x: urllib,urllib2,urllib3,httplib,httplib2, requests
- Python3.x: urllib,urllib3,httplib2,requests
使用上:
- Python2.x: urllib+urllib2配合使用,或者requests
- Python3.x: urllib+requests