1.什么爬虫 :
通过编写的程序,模拟浏览器,然后通过互联网抓取数据分过程
爬虫在使用中的分类:
- 通用爬虫:
抓取系统的重要主城部分,抓取的是整张页面的数据。
- 聚焦爬虫:
建立在通用爬虫的基础上,抓取的是页面中特定的内容。
- 增量式爬虫:
检测网站中数据更新的情况,只会抓取网站中最新更新的数据。
反爬机制:
各个网站,通过制定相应的策略或技术手段,限制爬虫程序对网站数据的爬取。
反反爬策略:
爬虫程序可以通过制定相关的策略或者技术手段,破解门户网站中具备的反爬机制,破解门户网站中具备的反爬机制,从而可以获取门户网站中相关的数据。
robots.txt协议:
robots.txt协议:
君子协议。规定了网站中哪些数据可以被爬虫爬取哪些数据不可以被爬取。
http协议:
一概念:就是服务器和客户端进行数据交互的一种形式。
常用请求头信息
-User-Agent:请求载体的身份标识
- Connection:请求完毕后,是断开连接还是保持连接
常用响应头信息
- Content-Type:服务器响应回客户端的数据类型
https协议:
一 安全的超文本传输协议
加密方式
一对称秘钥加密
一非对称秘钥加密
-证书秘钥加密