自学Python爬虫（一）认识爬虫

1、爬虫的概念

这里就不解析了，可自行百度 抛链接：
https://baike.baidu.com/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB/5162711?fr=aladdin

2、爬虫的基本流程

2.1发起请求
通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应。
2.2获取响应内容
如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML、JSON字符串、二进制数据（如图片视频）等类型。
2.3解析内容
得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析，可能是Json，可以直接转为Json对象解析，可能是二进制文件，可以做保存或进一步的处理。
2.4保存数据
保存形式多样，可以保存为文本，也可以保存至数据库，或者保存为特定格式的文件。

3、Request

3.1请求方式
主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等。
3.2请求URL
URL全称统一资源定位符，如一个网页文档、一张图片、一个视频等都可以用URL来唯一确定。
3.3请求头
包含请求时的头部信息，如User-Agent、Host、Cookies等信息。
3.4请求体
请求时额外携带的数据，如表单提交时的表单数据。

4、Response

4.1响应状态
有多种响应状态，如200代表成功，301代表跳转、404找不到页面、502服务器错误。
4.2响应头
如内容类型、内容长度、服务器信息、设置Cookie等等。
4.3响应体
最主要的部分，包含了请求资源的内容、如网页HTML、图片、二进制数据等。

5、解析方式

5.1直接处理
5.2Json解析
5.3正则表达式
5.4BeautifulSoup
5.5PyQuery
5.6XPath
**********************************我是华丽的分割线**********************************
接下来知识点部分将全部以代码的形式进行讲解，重点内容基本上都会在注释里，具体实战项目中的问题会在博客里讲到，但更详细的内容在源码注释里！