爬虫
[与风为伴]
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
redis
原创 2019-12-29 19:47:39 · 127 阅读 · 0 评论 -
Mongo
1、mongodb 文档数据库,存储的是文档(Bson->json的二进制化). {name:‘zhangsan’,age:‘9’} 2、MongoDB特点:内部执行引擎为JS解释器, 把文档存储成bson结构,在查询时,转换为JS对象,并可以通过熟悉的js语法来操作. 2、mongo和传统型数据库相比,最大的不同: 传统型数据库: 结构化数据, 定好了表结构后,每一行的内容,必是符合表结...原创 2019-12-29 19:29:32 · 250 阅读 · 0 评论 -
mmongo
一、mongo的配置 1、新建文件夹: C:\MongoDB\Server\3.4\data\db C:\MongoDB\Server\3.4\data\logs 2、配置环境变量: C:\MongoDB\Server\3.4\bin配置到path系统环境变量中。 3、测试是否配置成功 mongod --dbpath C:\MongoDB\Server\3.4\data\db 4、配置服务: mo...原创 2019-12-24 18:57:14 · 150 阅读 · 0 评论 -
HTML处理
一、反爬策略: 1、请求头: —user-agent —referer —cookie 2、访问频率限制。 —代理池 —再用户访问高峰期进行爬取,冲散日志。12-13 7-10 —设置等待时长。time.sleep(3) 3、ajax异步请求,用接口获取数据。 4、能一次性获取的数据,绝不发送第二次请求(获取数据的过程中尽量减少请求次数。) 5、页面内容是js代码。 selenium+phan...原创 2019-12-22 21:46:37 · 226 阅读 · 0 评论 -
xpath提取数据
一、什么xml? 1、定义:可扩展标记性语言 2、特点:xml的是具有自描述结构的半结构化数据。 3、作用:xml主要设计宗旨是用来传输数据的。他还可以作为配置文件。 二、xml和html的区别? 1、语法要求不同:xml的语法要求更严格。 (1)html不区分大小写的,xml区分。 (2)html有时可以省却尾标签。xml不能省略任何标签,严格按照嵌套首位结构。 (3)只有xml中有自闭标签(没...原创 2019-12-21 08:33:51 · 277 阅读 · 0 评论 -
正则表达式
一、cookie和session 1、什么是cookie? cookie是指网站为了鉴别用户身份,进行会话跟踪而存储在客户端本地的数据。 2、什么是session? 本来的含义是指有始有终的一些列动作,而在web中,session对象用来在服务器存储特定用户会话所需要的属性及信息。 3、cookie和session产生的原因: cookie和session他们不属于http协议范围,由于http协...原创 2019-12-19 22:42:11 · 185 阅读 · 0 评论 -
requests模块
1、使用步骤: #1.导包 import requests #2、确定基础url base_url = ‘https://www.baidu.com’ #3、发送请求,获取响应 response = requests.get(base_url) #4、处理响应内容 2、requests.get()—get请求方法参数详解 (1)requests.get( url=请求url, head...原创 2019-12-18 23:25:44 · 171 阅读 · 0 评论 -
爬虫与数据
一、爬虫的定义:程序或者脚本—》自动的爬取万维网的数据的程序或者脚本。 二、爬虫可以解决的问题: (1)解决冷启动问题。 (2)搜索引擎的根基。—通用爬虫。 (3)帮助机器学习建立知识图谱。 (4)制作各种比价软件。 三、爬虫工程师的进阶之路: 初级爬虫工程师 1.web 前端的知识: HTML、CSS、JavaSc1ipt、 DOM、 DHTML 、Ajax、jQuery、json 等; 2、正...原创 2019-12-17 20:10:51 · 228 阅读 · 0 评论
分享