Python爬虫基本原理

看崔庆才爬虫教程视频做的笔记。

1.什么是爬虫？

请求网站并提取数据的自动化程序。

2.爬虫的基本流程

• 发送请求：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。
• 获取响应内容：如果服务器能正常响应，会得到一个Response， Response的内容便是所要获取的页面内容，类型可能有HTML，Json字符串，二进制数据（如图片视频）等类型。
• 解析内容：得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析。可能是Json，可以直接转为Json对象解析，可能是二进制数据，可以做保存或者进一步的处理。
• 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，或者保存特定格式的文件。

3.什么是Request和Response?

4.Request中包含什么？

5.Response中包含什么？

6.能抓怎样的数据？

7.怎样来解析？

8.怎样解决JavaScript渲染的问题？

9.可以怎样保存数据？