Python爬蟲入門有哪些基礎(chǔ)知識點
1、什么是爬蟲
爬蟲，即網(wǎng)絡(luò)爬蟲，大家可以理解為在網(wǎng)絡(luò)上爬行的一直蜘蛛，互聯(lián)網(wǎng)就比作一張大網(wǎng)，而爬蟲便是在這張網(wǎng)上爬來爬去的蜘蛛咯，如果它遇到資源，那么它就會抓取下來。想抓取什么？這個由你來控制它咯。
比如它在抓取一個網(wǎng)頁，在這個網(wǎng)中他發(fā)現(xiàn)了一條道路，其實就是指向網(wǎng)頁的超鏈接，那么它就可以爬到另一張網(wǎng)上來獲取數(shù)據(jù)。這樣，整個連在一起的大網(wǎng)對這之蜘蛛來說觸手可及，分分鐘爬下來不是事兒。
2、瀏覽網(wǎng)頁的過程
在用戶瀏覽網(wǎng)頁的過程中，我們可能會看到許多好看的圖片，比如 http://image.baidu.com/ ，我們會看到幾張的圖片以及百度搜索框，這個過程其實就是用戶輸入網(wǎng)址之后，經(jīng)過DNS服務(wù)器，找到服務(wù)器主機，向服務(wù)器發(fā)出一個請求，服務(wù)器經(jīng)過解析之后，發(fā)送給用戶的瀏覽器 HTML、JS、CSS 等文件，瀏覽器解析出來，用戶便可以看到形形色色的圖片了。
因此，用戶看到的網(wǎng)頁實質(zhì)是由 HTML 代碼構(gòu)成的，爬蟲爬來的便是這些內(nèi)容，通過分析和過濾這些 HTML 代碼，實現(xiàn)對圖片、文字等資源的獲取。
3、URL的含義
URL，即統(tǒng)一資源定位符，也就是我們說的網(wǎng)址，統(tǒng)一資源定位符是對可以從互聯(lián)網(wǎng)上得到的資源的位置和訪問方法的一種簡潔的表示，是互聯(lián)網(wǎng)上標(biāo)準(zhǔn)資源的地址?；ヂ?lián)網(wǎng)上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置以及瀏覽器應(yīng)該怎么處理它。
URL的格式由三部分組成：
①第一部分是協(xié)議(或稱為服務(wù)方式)。
②第二部分是存有該資源的主機IP地址(有時也包括端口號)。
③第三部分是主機資源的具體地址，如目錄和文件名等。
爬蟲爬取數(shù)據(jù)時必須要有一個目標(biāo)的URL才可以獲取數(shù)據(jù)，因此，它是爬蟲獲取數(shù)據(jù)的基本依據(jù)，準(zhǔn)確理解它的含義對爬蟲學(xué)習(xí)有很大幫助。
4、環(huán)境的配置
學(xué)習(xí)Python，當(dāng)然少不了環(huán)境的配置，最初我用的是Notepad++，不過發(fā)現(xiàn)它的提示功能實在是太弱了，于是，在Windows下我用了PyCharm，在Linux下我用了Eclipse for Python，另外還有幾款比較優(yōu)秀的IDE，大家可以參考這篇文章 學(xué)習(xí)Python推薦的IDE 。好的開發(fā)工具是前進的推進器，希望大家可以找到適合自己的IDE。
知識點補充：
什么是爬蟲和爬蟲的基本邏輯
“爬蟲”是一種形象的說法?；ヂ?lián)網(wǎng)比喻成一張大網(wǎng)，爬蟲是一個程序或腳本在這種大網(wǎng)上爬走。碰到蟲子（資源），若是所需的資源就獲取或下載下來。這個資源通常是網(wǎng)頁、文件等等。可以通過該資源里面的url鏈接，順藤摸瓜繼續(xù)爬取這些鏈接的資源。
你也可以把爬蟲當(dāng)作模擬我們正常上網(wǎng)。打開網(wǎng)頁并分析網(wǎng)頁的內(nèi)容獲取我們想要的東西。
那么，這里就涉及到http傳輸協(xié)議等相關(guān)的知識。
我們通常打開一個網(wǎng)頁，基本上都是打開一個Url鏈接即可。在這個過程當(dāng)中，實際上發(fā)生了很多事情。
打開一個Url鏈接，瀏覽器自動向Url鏈接的服務(wù)器發(fā)送一個請求(Request)，告訴服務(wù)器說我需要訪問這個Url鏈接的內(nèi)容，請返回數(shù)據(jù)給我。服務(wù)器就處理該請求，響應(yīng)該請求并返回結(jié)果給瀏覽器。
既然爬蟲需要模擬該過程。根據(jù)http協(xié)議，爬蟲需要構(gòu)造一個請求(Request)，發(fā)到請求到目標(biāo)服務(wù)器(通常是Url鏈接)。然后等待服務(wù)器的響應(yīng)(Response)。
所有相關(guān)的數(shù)據(jù)都在這個響應(yīng)結(jié)果當(dāng)中，這個就是爬蟲實現(xiàn)的基本邏輯。
以上就是Python爬蟲入門有哪些基礎(chǔ)知識點的詳細內(nèi)容，更多關(guān)于Python爬蟲入門的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
Python數(shù)據(jù)結(jié)構(gòu)與算法中的棧詳解(2)
這篇文章主要為大家詳細介紹了Python中的棧，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
Python簡繁體轉(zhuǎn)換的簡單實現(xiàn)步驟
工作中需要將繁體中文轉(zhuǎn)換成簡體中文上網(wǎng)找了些資料,下面這篇文章主要給大家介紹了關(guān)于Python實現(xiàn)簡繁體轉(zhuǎn)換的相關(guān)資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-06-06
Python 使用 docopt 解析json參數(shù)文件過程講解
這篇文章主要介紹了Python 使用 docopt 解析json參數(shù)文件過程講解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08
Python matplotlib繪圖設(shè)置圖例案例
這篇文章主要給大家分享Python matplotlib繪圖設(shè)置圖例案例，過程會學(xué)到edgecolor 圖例邊框線顏色 facecolor 圖例背景色 shadow 是否添加陰影 title 圖例標(biāo)題 fontsize 設(shè)置字體大小，小編覺得挺有意思的，感興趣的小伙伴也可以參考一下2021-12-12
在編寫Python程序時,有時我們需要讓程序暫停執(zhí)行一段時間,這種需求在爬蟲、任務(wù)調(diào)度、API調(diào)用等場景中非常常見,Python提供了time.sleep()函數(shù)來實現(xiàn)程序的暫停,但如果我們希望暫停的時間是隨機的,本文將詳細介紹如何在Python中實現(xiàn)隨機睡眠,并探討其應(yīng)用場景和進階用法2025-01-01
這篇文章總結(jié)了Python編程中的25個常見問題及其解答,涵蓋字符串操作、列表操作、字典操作、排序算法、日期時間處理、文件操作、異常處理等多個方面,文中通過代碼介紹的非常詳細,需要的朋友可以參考下2025-03-03
Python中字節(jié)數(shù)組和16進制字符串轉(zhuǎn)換方式
這篇文章主要介紹了Python中字節(jié)數(shù)組和16進制字符串轉(zhuǎn)換方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-06-06
Python+OpenCV實戰(zhàn)之拖拽虛擬方塊的實現(xiàn)
這篇文章主要介紹了如何利用Python+OpenCV實現(xiàn)拖拽虛擬方塊的效果，即根據(jù)手指坐標(biāo)位置和矩形的坐標(biāo)位置，判斷手指點是否在矩形上，如果在則矩形跟隨手指移動，感興趣的可以了解一下2022-08-08
在本篇文章里小編給大家分享的是關(guān)于python中樹與樹的表示的相關(guān)知識點，需要的讀者們學(xué)習(xí)下吧。2019-09-09
python數(shù)據(jù)分析之DataFrame內(nèi)存優(yōu)化
pandas處理幾百兆的dataframe是沒有問題的，但是我們在處理幾個G甚至更大的數(shù)據(jù)時，就會特別占用內(nèi)存，對內(nèi)存小的用戶特別不好，所以對數(shù)據(jù)進行壓縮是很有必要的，本文就介紹了python DataFrame內(nèi)存優(yōu)化，感興趣的可以了解一下2021-07-07