Python爬虫与反爬虫左右互搏（带视频）

爬虫与反爬虫是两类互斥的应用，它们争斗了多年。就像病毒程序与反病毒程序，永远是先有病毒程序，再有反病毒程序一样，爬虫程序总是先诞生，然后网站服务商就会想尽办法不让爬虫抓取自己的数据，它们经过了多年的战争，互有胜负。那么它们为什么水火不容呢？其实原因很复杂，当然，有时网站是希望自己的内容被抓取的，如被Baidu、google等搜索引擎抓取，然后被收录。但更多时候，网站被大量爬虫抓取数据，将会酿成一场灾难。而作为程序员来说，同时掌握爬虫和反爬虫技术非常必要，因为不管自己的雇主需要爬虫，还是反爬虫，自己都能游刃有余地应对。

爬虫，也叫网络爬虫或网络蜘蛛，主要的功能是下载Internet或局域网中的各种资源。如html静态页面、图像文件、js代码等。网络爬虫的主要目的是为其他系统提供数据源，如搜索引擎（Google、Baidu等）、深度学习、数据分析、大数据、API服务等。这些系统都属于不同的领域，而且都是异构的，所以肯定不能通过一种网络爬虫来为所有的这些系统提供服务，因此，在学习网络爬虫之前，先要了解网络爬虫的分类。

如果从按抓取数据的范围进行分类，网络爬虫可以分为如下几类。

•全网爬虫：用于抓取整个互联网的数据，主要用于搜索引擎（如Google、Baidu等）的数据源。

•站内爬虫：与全网爬虫类似，只是用于抓取站内的网络资源。主要用于企业内部搜索引擎的数据源。

•定向爬虫：这种爬虫的应用相当广泛，我们讨论的大多都是这种爬虫。这种爬虫只关心特定的数据，如网页中的PM2.5实时监测数据，天猫胸罩的销售记录、美团网的用户评论等。抓取这些数据的目的也五花八门，有的是为了加工整理，供自己的程序使用，有的是为了统计分析，得到一些有价值的结果，例如，哪种颜色的胸罩卖的最好。

更详细的请看下面的视频吧：https://v.qq.com/x/page/k0944cra2sa.html