爬虫学习

Python 网络爬虫基础知识

什么是爬虫？

请求网站并提取数据的自动化程序

爬虫的基本流程：

1.发起请求：通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应。

2.获取响应内容：如果服务器能正常响应，会得到一个Response，Response的内容便是所需获取的页面内容，类型可能有HTML，Json字符串，二进制数据等类型。

3.解析内容：得到的内容可能是，可以用正则表达式、网页解析库进行解析。

4.保存数据：保存形式多样，可以存为文本，也可以保存至数据库，或者特定格式的文件。