网络爬虫
- 网络爬虫英文是 Web Crawler,网络爬虫是按照一定规则自动抓取网页信息的程序。
- 网络爬虫也可以叫做网络蜘蛛(Web Spider)。
- 网络爬虫就是自动化从网页上获取信息、提取信息和保存信息的过程。
URL
- 日常我们访问的每个网站都是通过链接打开的。
- 这里的链接也叫做URL。
- URL全称 Uniform Resource Locator,即统一资源定义符,制定了我们要查找资源的地址。
- 百词斩首页链接为 http://www.baicizhan.com/
- 夜曲首页链接为 http://np.baicizhan.com/
- 规律 http(访问协议) + : + // + 主机名(hostname) + /
- 主机名后面的“/”可以直接加文件路径名称,这里的文件名称是可以省略的,省略了默认是首页,不省略的会根据文件名路径链接到对应页面。
总结 URL 知识点
- HTTP 的作用与快递公司相似。
- 主机名是计算机的名字。
- 服务器是用于管理资源的。
- 文件路径能够指定访问资源的具体位置。
- URL 数据的类型是字符串。