python网络爬虫--爬虫概述

什么是爬虫？

• 就是通过编写程序，让其模拟浏览器上网，然后在互联网中抓取数据的过程
• 关键字：
  • 模拟:
    • 浏览器本身就是一个纯天然的原始爬虫工具
  • 抓取:
    • 抓取一整张的页面源码数据
    • 抓取一整张页面中的局部数据
      

爬虫的分类

• 通用爬虫:
  • 要求我们爬取一整张页面的源码数据
• 聚焦爬虫:
  • 要求我们抓取一整张页面中的局部数据，建立在通用爬虫基础上
• 增量式爬虫:
  • 用来监测网站数据更新的情况，以便爬取到网站最新更新出来的数据（爬没爬过的数据）
• 分布式爬虫:
  • 提高爬取效率的终极武器。
    

反爬机制

• 是作用在门户网站中。如果网站不想让爬虫轻易爬取数据，它可以制定相关的机制或者措施阻止爬虫程序爬取其数据
  

反反爬策略

• 是作用在爬虫程序中。我们爬虫可以制定相关的策略破击反爬机制从而爬取相关的数据。