PYTHON爬虫学习-1:爬虫概念、工具和HTTP
1.什么是爬虫
爬虫就是模拟客户端(浏览器)发送网络请求,获取响应,按照规则提取数据的程序
- 模拟客户端(浏览器)发送网络请求:照着浏览器发送一模一样的请求,获取和浏览器一模一样的数据
2.爬虫数据的作用
(1)呈现:展示在网页 or app 上
(2)进行数据分析:从数据中寻找一些规律
3.前期准备
(1)需要具备一定python的基础知识
- 可以在黑马程序员视频库(http://yun.itheima.com/course)观看相关基础视频
- 需要掌握:
- 基础语法(字符串、列表、字典、判断、循环)
- 函数(函数的创建和调用)
- 面向对象(如何创建和使用一个类)
(2)需要下载的软件
- python3(https://www.python.org/downloads/)
- pycharm(https://www.jetbrains.com/pycharm/)
4.浏览器的请求
- url地址
- url地址形式:请求的协议 + 网站的域名 + 资源的路径 + 参数(包含?=&)
- 浏览器请求的url地址:当前url对应的响应 + js + css + 图片 —> elements中的内容
- 爬虫请求的url地址:当前url对应的响应
*elements的内容和爬虫获取到的url地址的响应不同,爬虫中需要以当前url地址对应的响应为准提取数据