第0关认识爬虫
认识爬虫:目的
浏览器的原理
先请求(浏览器),后响应(服务器)
本质
利用程序在网上拿到对我们有价值的数据。
爬虫工作原理
模拟浏览器去向服务器发出请求
服务器响应后,爬虫程序可以代替浏览器帮我们解析数据
爬虫可以根据我们设定的规则批量提取相关数据
最后,爬虫可以批量地把数据存储到本地。
概要
爬虫学习大纲
爬虫大纲
第0关,初识爬虫,你会了解爬虫的工作原理,写出一个简单的爬虫程序,学会爬虫的第0步:获取数据。
第1关,你将会快速入门HTML基础知识,达到读懂和修改HTML文档的水平。有了这些基础,你才能去学习如何解析数据和提取数据。
第2、3、4、5关,我会教你爬虫的第1和第2步:解析数据和提取数据。同时,你还会学到两种不同的发起请求的方式。
在第6关,你将学会存储数据,即把目标数据写入到本地的Excel表格中。到此,你就学会了爬虫完整的四个步骤,掌握了最基本的爬虫技能啦。
第7关,我们一起做一个项目,爬取一个知乎大v的所有文章,并且存到Excel中。以此,我们巩固和复习了0-6关的所有知识。第7关会是一个分水岭,后面关卡的进阶知识都建立在前7关的基础上。
第8关,学会cookies,就可以让浏览器记住你,你们可以更方便地长期保持联系,而不是在一次见面之后就相忘于江湖。
第9关,学习控制浏览器,来应对爬虫中一些更复杂的情况。第10关,你的爬虫会变得更自动化,爬虫程序不但可以定时工作,还可以把爬取结果传递给你。
概要
爬虫核心
第0步:获取数据。爬虫程序会根据我们提供的网址,向服务器发起请求,然后返回数据。
第1步:解析数据。爬虫程序会把服务器返回的数据解析成我们能读懂的格式。
第2步:提取数据。爬虫程序再从中提取出我们需要的数据。
第3步:储存数据。爬虫程序把这些有用的数据保存起来,便于你日后的使用和分析。
概要
怎么爬虫
1.【请求——响应】封装为一个步骤——获取数据
request
res = requests.get(' url ')
安装request库
响应码
print(res.status_code)
#打印变量res的响应状态码,以检查请求是否成功
response:注意,res是它的一个对象
对象属性
使用
res.encoding=‘gbk’#
定义Response对象的编码为gbk
爬虫伦理
/robots.txt