py爬虫自学入门__1

# 1> 爬虫基本原理
#
#    爬虫：请求网站并提取数据的自动化程序
#    写代码代替浏览器在网页上获取资源（html代码），在资源文本中（大批量的）采集想要的数据信息
#
# 2> 爬虫基本流程
#   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（配置）信息，等待服务器响应。
#   2) 获取响应内容：
#                   如果服务器能正常响应，会得到一个Response，Response的内容就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。
#   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
#               是二进制数据，可以做保存或者进一步的处理.
#   4) 保存数据：
#               保存形式多种多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件。
#
# 3> Request 和 Response