1.基本的爬虫工作原理

①）网络爬虫定义，又称Web Spider，网页蜘蛛，按照一定的规则，自动抓取网站信息的程序或者脚本。

蜘蛛通过网页的链接地址来寻找网页，从网站某一个页面开始，读取网页的内容，找到网页中的其他链接地址，

然后通过这些链接地址寻找下一个网页，直到把这个额昂展所有的网页都抓取完为止。

②）爬虫流程：

①urllib的request打开url带到网页的html文档

②浏览器打开网页源代码分析元素节点

③通过Beautiful Soup或者正则表达式提取想要的数据

④存储数据到本地磁盘或者数据库，进行数据分析

2.环境、工具安装

①Python 3.6.4（官网下载安装），环境变量配置

②基本的http抓取工具 scrapy (安装命令pip install scrapy）

③bs4 (安装命令：pip install scrapy)

3.爬虫脚本及注释（超简易）

Python:

①

#urllib的request模块可以非常方便的抓取URL内容，也就是发送一个GET请求到指定的页面，然后返回HTTP的响应。

from urllib import request

②

#BeautifulSoup是Python的一个库，最主要的功能是从网页爬取我们所需要的数据。

#BeautifulSoup将html解析为对象进行处理，全部页面转变为字典或者数组，相对于正则表达式的方式，可以大大简化处理过程。

from bs4 import BeautifulSoup

③

#构造头文件，模拟浏览器访问。

url=”http://www.jianshu.com” #要爬的url

headers = {‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36′}

page=request.Request(url,headers=headers)

page_info=request.urlopen(page).read().decode(‘utf-8’) #打开url，获取HttpResponse返回对象并读取ResponseBody

④

#将获取到response析成Beautiful soup格式，解析器为html.parser

soup=BeautifulSoup(page_info,’html.parser’)

⑤

#查找所有a标签中class=’title’的语句

titles=soup.find_all(‘a’,’title’)

⑥

#open()是读写文件的函数,with语句会自动close()已打开文件

with open(r”D:\lgz\articles.txt”,”w”)as file: #在磁盘以只写的方式打开/创建一个名为 articles 的txt文件
　　　for title in titles:
　　　　　file.write(title.string+’\n’)
　　　　　file.write(“http://www.jianshu.com”+title.get(‘href’)+’\n\n’)

4.爬虫结果

Python:

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

点此免费领取：CSDN大礼包：《python学习路线&全套学习资料》免费分享

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

四、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、Python练习题

检查学习结果。

七、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。


这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】