python爬虫原理和数据抓取

为什么要做爬虫
著名的革命家、思想家、政治家、战略家、社会改革的主要领导人物马云曾经在2015年提到由IT转到DT,何谓DT,DT即数据技术,由数据在推倒人们的衣食住行,当今时代是一个大数据时代,数据从何而来?

企业产生的用户数据:百度指数、阿里指数、TBI腾讯浏览指数、新浪微博指数

数据平台购买数据:数据堂、国云数据市场、贵阳大数据交易所
政府机构公开的数据:中华人民共和国国家统计局数据、世界银行公开数据、联合国数据、纳斯达克
数据管理咨询公司:麦肯锡、埃森哲、艾瑞咨询

爬取网络数据:如果需要的数据市场上没有,或者不愿意购买,那么就可以招/做一名爬虫工程师,自己动手丰衣足食。拉勾网Python爬虫职位
爬虫是什么?
百度百科:网络爬虫

关于Python爬虫,我们需要学习的有:

Python基础语法学习(基础知识)

HTML页面的内容抓取(数据抓取)

HTML页面的数据提取(数据清洗)

Scrapy框架以及scrapy-redis分布式策略(第三方框架)

爬虫(Spider)、反爬虫(Anti-Spider)、反反爬虫(Anti-Anti-Spider)之间的斗争。。。。
通用爬虫和聚焦爬虫
网络爬虫可分为通用爬虫和聚焦爬虫两种。

通用搜索引擎(Search Enging)工作原理

通用网络爬虫 从互联网中搜集网页,采集信息,这些网页信息用于为搜索引擎建立索引从而提供支持,它决定着整个引擎系统的内容是否丰富,信息是否及时,因此其性能的优劣直接影响着搜索引擎的效果。

第一步:抓取网页
搜索引擎网络爬虫的基本工作流程如下:

  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值