使用Python了解网络爬虫

上一篇 / 下一篇  2021-10-13 13:41:12 / 个人分类:Python

Python是一种怎样的计算机程序设计语言?你可能已经听说过很多种流行编程语言,比如非常难学的C语言,非常流行的Java语言,适合初学者的Basic语言,适合网页编程的JavaScript语言,那么零基础学Python之初识网络爬虫,今天我们先从网络爬虫的定义、与浏览器的相似之处和网络请求等基础内容入手。

1、零基础学Python之初识网络爬虫—网络爬虫的定义

网络爬虫(又被称为网页蜘蛛,网络机器人),是一种按照一定的规则,自动的抓取万维网信息的程序或者脚本,是搜索引擎的重要组成。传统爬虫从一个或若干初始网页的URL开始,获得初始网页上的URL,在抓取网页的过程中,不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。

2、零基础学Python之初识网络爬虫—网络爬虫与浏览器相似之处

网络爬虫的抓取过程可以理解为 模拟浏览器操作的过程。

浏览器的主要功能就是向服务器发出请求,在浏览器窗口中展示您选择的网络资源。这里所说的资源一般是指 HTML 文档,也可以是 PDF、图片或其他的类型。

资源的位置由用户使用 URI(统一资源标示符)指定。

浏览器解释并显示HTML文件的方式是在HTML和CSS规范中指定的。这些规范由网络标准化组织 W3C(万维网联盟)进行维护。

3、零基础学Python之初识网络爬虫—网络爬虫抓什么

一般来讲,抓取的内容主要来源于网页,目前,随着这几年移动互联网的发展,越来越多信息来源于移动互联网App、H5等,所以爬虫就不止局限于一定要抓取解析网页,还有移动互联网app、H5等的网络请求进行抓取

对网络爬虫而言,需要抓取的是某个网站或者某个应用的内容,提取有用的价值。

4、零基础学Python之初识网络爬虫—了解网络请求

网络爬虫以HTTP、HTTPS请求为主,读取网页内容,提取有用的价值,内容一般分为两部分,非结构化的文本,或结构化的文本。

超文本传输协议(HTTP,HyperText Transfer Protocol)是互联网上应用最为广泛的一种网络协议。所有的WWW文件都必须遵守这个标准。设计HTTP最初的目的是为了提供一种发布和接收HTML页面的方法。

TAG: Python

 

评分:0

我来说两句

Open Toolbar