爬虫概述

前戏

你是否在夜深人静的时候，想看一些会让你更睡不着的图片…

你是否在考试或者面试前夕，想看一些具有针对性的题目和面试题…

你是否想在杂乱的网络世界获取你想要的数据…

爬虫的价值

实际应用

就业

什么是爬虫

通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程

关键词抽取：

模拟：浏览器就是一个纯天然最原始的一个爬虫工具

抓取：

抓取一整张页面源码数据

抓取一整张页面中的局部数据

爬虫的分类

通用爬虫：

要求我们爬取一整张的页面源码数据

聚焦爬虫：

要求爬取一张页面中的局部的数据

聚焦爬虫一定是建立在通用爬虫基础之上

增量式爬虫：

用来检测网站数据更新的情况，以便爬取到网站最新更新出来的数据。

分布式爬虫：

提高爬虫效率的终极武器。

反爬、反反爬

反爬机制：

是作用到门户网站中。如果网站不想让爬虫轻易爬取到数据，它可以制定相关的机制或者措施阻止爬虫程序爬取数据。

反反爬策略：

是作用在爬虫程序中。我们爬虫可以制定相关的策略破击反爬机制从而爬取到相关的数据。

第一种反爬机制：

robots协议：防君子不防小人

是一个纯文本的协议，协议中规定了该网站中哪些数据可以被哪些爬虫爬起，哪些不可以被爬取。

破解：

你自己主观性的不遵从该协议即可。

robots协议详细介绍：