第一篇 爬虫技术入门了解篇

1.什么是爬虫

爬虫，即网络爬虫，大家可以理解为在网络上爬行的一只蜘蛛，互联网就比作一张大网，而爬虫便是在这张网上爬来爬去的蜘蛛，如果它遇到资源，那么它就会抓取下来。想抓取什么？这个由你来控制它,通过特定的逻辑获取你想要的资源。

比如它在抓取一个网页，在这个网中他发现了一条道路，其实就是指向网页的超链接，那么它就可以爬到另一张网上来获取数据。这样，就可以爬取到你想要获取的东西了

2.浏览网页的过程

用户浏览网页的过程中，我们可能会看到许多好看的图片，比如我们会看到几张的图片以及百度搜索框，这个过程其实就是用户输入网址之后，经过DNS服务器，找到服务器主机，向服务器发出一个请求，服务器经过解析之后，发送给用户的浏览器 HTML、JS、CSS 等文件，浏览器解析出来，用户便可以看到形形色色的图片了。

因此，用户看到的网页实质是基于HTML代码构成的，其余的样式以及各种绚丽的动画都是通过CSS和JS 技术加载出来的。爬虫爬来的便是这些内容，通过分析和过滤这些 HTML 代码，实现对图片、文字等资源的获取。

3.URL的含义

URL是指统一资源定位符，也就是我们说的网址，统一资源定位符是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。互联网上的每个文件都有一个唯一的URL，它包含的信息指出文件的位置以及浏览器应该怎么处理它。

URL的格式由三部分组成：

①第一部分是协议(或称为服务方式)。

②第二部分是存有该资源的主机IP地址(有时也包括端口号)。

③第三部分是主机资源的具体地址，如目录和文件名等。

爬虫爬取数据时必须要有一个目标的URL才可以获取数据，因此，它是爬虫获取数据的基本依据，准确理解它的含义对爬虫学习有很大帮助。

4. 环境的配置

本套教程我们使用python3版本，编辑代码工具使用pycharm.目前还没有搭建起环境的小伙伴可以在后台点击：资源获取按钮，输入数字获取，并进行安装。

5.对爬虫的误解的解释 爬虫不是万能的，但是没有爬虫是万万不能的，开个玩笑。其实爬虫并不是能自动的解决任何事情，有了它能提高生产力那是一定的，但是你想让他向人一样的解决一切问题是不可能的。比如，识别图片，提取一段文字中的意思，这些单纯的靠爬虫技术是完不成的，请大家有一个清晰的认识。

好了本期就先分享到这里，从下一期开始我们就会从0开始一边敲代码一边讲解技术了，各位小伙伴请做好准备！