万物皆比特，所有可见的，都是信息、是数据、是比特在流动。
——嗯，其实是我说的。
企业是企业家思维空间的产物，产品是产品经理思维空间的产物。
—— 不知道是谁说的。
可能用词不恰当，但用于记录初学者的理解，或许可以帮到门外人。
0 初见网页
要打开（访问）一个网页，在浏览器的地址栏输入地址，然后浏览器会返回一个页面。
后来有了网页目录，比如‘好123’等等，可以先打开这个页面，再点击访问目标，后来有了搜索引擎，网页目录的需求大大下降。
从使用页面的人来看，这个过程除了网速几乎是无感的，用什么浏览器倒成了使用的主角。
好123本身也是一个网页产品
最终，我们只是为了看到网页上的内容，过程如何，不在关注之列。
今天来关注一下这个过程：输入网址、（回车）、（等待网络响应）、内容出现在浏览器上，按着各种对齐、大小样式（而没有混乱排列）。
一个页面，开发者首先会确认这个页面的功能是什么：是用于展示一篇文章？展示一个产品？还是用于注册等等，再去设计它应该长什么样子，并让设计师在满足功能的基础上，设计对应的布局装饰（字体、间距、图标……）、再交给工程人员用工程语言把上述信息流展示出来。
网页的工程语言，通常是HTML。——我们在打开的页面上右键—检查网页源代码即可见到。
网页Hello word！ from 廖雪峰
1 爬虫是一只什么样的虫
通过好123，我们可以把‘输入网址’这一项省略：只需点击即可——点击目标名称(也就是一个链接)，浏览器打开另一个链接——内容呈现出来。
爬虫就是重复上述我们的访问步骤。
理想的爬虫是这样一只不辞劳苦的虫子：
- 给它喂一个链接
- 它打开这个链接，并做两件事：1. 把获得的内容另存下来；2. 把这个页面上的链接存到一个待爬链接库中；
- 循环：从待爬链接库中拿出一个链接，重复第2步的事情
搜索引擎就是这么做的，创造出强劲的虫子门，孜孜不倦的爬啊爬，存下来，分词解析，等有人输入关键词的时候，匹配出主体最符合的页面，返回对应的链接。
大部分时候我们用爬虫并不是为了做个搜索引擎，而只是为了获得固定的目标数据。
A. 比如好123上的全部网站目录：这时我们只需要爬这一个页面就够了。
B. 比如某个淘宝产品评论：这时候我们只需要把这个产品评论页面一页一页翻下去就行了——而这个页面URL是有规律的。
C. 比如我们需要爬淘宝全站的奶粉产品评论：嗯，此处删掉100字，真的删掉了。
另外：绝大部分时候我们并不会存下网页上的全部元素。
如上所示，
A ：我们只会存其中的网站名称、网站链接
B ：我们只会存下评论、评论时间等等和评论相关的元素
这个时候，我们就需要对网页元素进行拆解（解析）：比如hello word这个网页，我们需要摘出这个标题时，就得看网页源代码，把标题中的文字取出来：标题通常在<title>、<h1> 类似的字符（html标签）之间。
所以，我们实用的爬虫通常比理想的爬虫多两步：
- 0.所宽的链接库是有限的；
- 4.爬到的内容要做拆解、只存需要的内容
之前写过的爬虫入门在这：动手写爬虫系列
2 在线网页是如何做出来的
爬虫实际上是一个反网页制作的过程：爬虫爬下并拆解内容，其中一部分是去前端结构的过程，最终获得的数据，实际上就是制作这个网页所需的数据（包括存在数据库里的数据、设计师设计的图片等等）。
以好123为例：除去产品的功能层面的设计，一个网页的制作大致可划分成如下过程：
- 设计师根据产品设计（被我除的那部分）来设计这个页面长什么样子；
- 把设计图切图成一个个网页元素：比如标题对应标题，一个网站名对应一小块区域，前端工程师的样式（CSS样式）也就出来了
- 页面每个网页元素对应要获取哪些数据（实际上在最开始就会确定哪一部分需要显示什么格式的数据）：图片的、文本的、数字的、……
- 后端把这些数据整理成约定好的格式，反馈给前端：通过数据库取数、整理成所需的格式，或直接反馈，有些数据是直接写在前端HTML的，比如标题等等。
出现了一些看不懂的词：前端、后端。
这里填下坑：简单理解（不一定完全正确）前端是运行在用户所见的部分，后端并不运行在用户端上，而是在服务器端准备数据的过程。
（这里又是一个坑，现在填不了，囧）页面制作完成后，在本地可以打开，远程只需访问该机的ip+链接即可。那如果发布在一个域名服务器上，就可以通过网址进行访问了。
3 产品 = 思维or功能or定位…… + 数据流
产品首先是一个思维空间中的产物：它的定位、它将用于什么？它如何满足这些用法？它的动作流程是什么？…… 落到最后，是一个一个的页面来满足这些功能。而每一个页面到另一个页面，每一个页面中，都是数据流。（所以这里又是一个坑 ……）
网友评论