基于C#.NET的高端智能化网络爬虫

前两天朋友发给我了一篇文章，是携程网反爬虫组的技术经理写的，大概讲的是如何用他的超高智商通过（挑衅、怜悯、嘲讽、猥琐）的方式来完美碾压爬虫开发者。今天我就先带大家开发一个最简单低端的爬虫，突破携程网超高智商的反爬虫技术。

一、什么是爬虫？

很多人说我们这些搞软件的人，总喜欢把虚拟世界里的事物跟现实中的东西扯上关系。这点我真不否认，脱离了现实，我们伟大的创举还有何意义？

“爬虫”就是个例子，它对于我们开发人员而言，就是一段用来自动化采集网站数据的程序，结果跟现实中的虫子扯上了关系。听说是Google工程师提出来的，有质疑请联系Larry Page。

二、为什么需要开发爬虫？

在这个数据横流的互联网时代，创业型公司如雨后春笋般的崛起，而大数据则可以帮他们迅速生产垂直化数据资料库，提供给用户使用。同时也让老板们更容易看清未来的方向，制定发展策略。

这些大数据从哪儿能弄来呢？当然是从每个行业里的龙头老大那里，做老大就是这么不容易。这图里一部分是行业老大，有些我也没听说过，仅供参考：

京东的价格、携程的评论、亚马逊的书、淘宝的信用、支付宝的订单等。这些数据采集下来都很庞大，那究竟要这些数据有什么用呢？

• 直接用于机器学习，分析用户的兴趣爱好和行为。

• 获取淘宝店铺信用，直接用于新平台的用户信用及身份验证。

• 获取各个商城物品价格，为用户提供市场场最低价。

• 获取酒店、图书的（价格、简介、评论），做垂直化平台的基础数据库。

请原谅我用携程举例：设想我们要做一个高端的垂直化酒店平台，就拿北京来说，酒店接近10000家。要是全部都手动筛选、录入这些信息，需要花费的人力、时间是极其恐怖的事。当然最难的应该是将人工搜集的数据标准化。怎样才能把携程网的酒店数据弄下来作为我们的基础资料库呢？