目录
1、网络爬虫概述
爬虫就是请求网站并提取数据的自动化程序
网络爬虫（Web Spider），又被称为网页蜘蛛，是一种按照一定的规则，自动地抓取网站信息的程序或者脚本。
网络蜘蛛是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，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。
2、爬虫基本流程
例：
- ①先由urllib的request打开Url得到网页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或则正则表达式提取想要的数据
- ④存储数据到本地磁盘或数据库（抓取，分析，存储）
3、爬虫基础知识
基础库
-
scrapy
-
requests
-
beautifulsoup
网页分类
-
静态网页
-
动态网页
-
webservice(restapi)
爬虫作用
-
搜索引擎（百度、Google、垂直领域搜索引擎）
-
推荐引擎（今日头条）
-
机器学习的数据样本
-
数据分析（如金融领域数据分析）、舆情分析
正则表达式
Mysql和Navicat的安装和使用
网站的树结构及其深度优先遍历和广度优先遍历
爬虫去重策略
2万+