1 爬虫的分类
1.通用爬虫
抓取系统重要的组成部分,抓取一整张页面的数据
2.聚焦爬虫
独立在通用爬虫基础上。抓取的是页面中特定的局部内容
3.增量式爬虫
检测网站中数据更新的情况。指挥抓取网站最新更新出来的数据
2 robots.txt 协议
君子协议,列举哪些不能爬取的协议
如访问百度的robots协议:
https://www.baidu.com/robots.txt
3 http协议和https协议
常用请求头信息
1.User-Agent:请求载体的身份标识
可以从Networks里面的标头查看
2.Connection:请求完毕后,是断开连接还是保持连接
常用响应头信息
1.Content-Type:服务器相应回客户端的数据类型
https
安全的http(超文本传输)协议
加密方式
1.对称密钥加密
2.非对称密钥加密
3.证书密钥加密 (https的加密方式)