美文网首页
第一天爬虫

第一天爬虫

作者: 青_a2c4 | 来源:发表于2018-11-15 20:49 被阅读0次

大数据时代:如何产生?

1.打的公司打的企业:通过用户产生的数据

2.大的数据平台:通过收集或者和其他企业或者公司合作

3.国家政府/大的机构:通过省县乡或者其他方式统计汇总产生的

4.数据咨询公司:通过收集或者和其他企业或者公司合作,会根据数据分析对比形成报表。给你数据参考

5.最终假如以及方式都不能满足顶的时候,我们就组需要一个爬虫工程师,去专门坐数据的提取

1什么是爬虫?

就是一段自动获取互联网的数据

2.爬虫的用途?

搜索引擎,比价工具(慧慧购物助手)大的咨询网站(jobbole,今日头条。。。)

网站的三大的特性:

1,每一个资源都一个url(统一源定位符),是唯一的

2,网页都是使用HTML(超文本)文本展示数据的

3,通过HTML/HTTPS(超文本传输协议),获取和传递HTML

3如何实现爬虫?

(1).找到目录url

(2).根据url发起请求

(3).解析响应结果:

      a).提取目标数据

      b)  .如何存在新的url,进一步提取(会执行1—3这个循环)

(4)爬虫结束:所有符合条件的url请求全部获取完毕,意味着爬虫结束

4为什么要使用python组爬虫?

PHP,java,c/c++,python。。。

PHP:可以用来做爬虫,但是对多任务的支持不是太好,爬虫是对象驴爬虫要求比较高的,所以说PHP天生不是干这个事情的

JAVA :生态图很完善,并且用途非常广泛(后端,移动端。。),Java做爬虫是python最大的竞争对手,但是Java代码量比较大,重构的成本比较高。

c/c++:肯定是可以完成爬虫这件事的,并且运行的效率是非常高的,但是学习的门槛非常的高,各个模块可能需要你自己封装和定制。(能使用c/c++的人一般比较nb)

python:语法简介,代码优美,可读性高,并且对各模块的支持比较好,有很多强大的三方包,对多任务的处理也比较好,urllib,bs4,pyquery。。。),并且还有强大的scrapy爬虫框架和scrapy—redis的分布爬虫框架,并且python作为一门胶水语言,对于其他语言的调度也是非常方便的

爬虫分为两类:

通用爬虫:通过爬虫是浏览器的重要组成部分,将互联网上所有的网页下载到本地,做了一个镜像备份,提取重要数据(过滤数据,分词,去广告等等等,,)

步骤其实跟上面介绍的类似

搜索引擎的爬取得url通过什么方式获取得的?

1通过网站的外链

2通过网络提取的url:(百度http://zhanzhang.baidu.com/linksubmit/url)

3,各大搜索引擎公司也会和DNS 服务商合作

DNS:将我们的城名转化为ip的一种技术

通过爬虫(搜走引擎)的缺点:

1,需要遵循robot协议:Robots协议(也称为爬虫协议,机器人等)的全称是“网络爬虫排除标小

2搜索引擎返回的结果千篇一律没有很好的针对性,不能够特殊的用户群体返回对应的数据

3,搜索引擎一般情况下获取的是文本信息,处理图像,音频,视频多媒体还是又困难的。

聚焦爬虫:是面向主题的爬虫,由需求产生的,是一种定向的爬虫,在爬虫网页数据的时候,全对网页数据进行一些赛选,保证之抓取和需求相关的数据,以后我们更多的就是实现焦虑爬虫

做爬虫需要掌握的基本知识

1,python的基本语法

2,前端知识

3,数据持久化的知识

4,基本的反爬虫手段 (header请求头,验证码,cookies,代理)

5,静态页面和动态页面(ajax,js),selenium(获取页面源码是经过浏览渲染之后的最终结果

6多任务处理,爬虫框架,分布式爬虫等等

HTTPL超文本传输协议,主要使用;来将HTML文本传输到本地浏览器。

https:作用和HTTP一致,只是多了SSL(安全套接子层),保证数据传输的安全性

1,建立一个安全有效的数据传输通道,保证数据的安全性

2,保证网站的真是和有效性

url的组成部分:

1,scheme:协议

2,host:指的是城或者ip

3,port:端口

4,port:资源路劲

5,query—string:请求的参数

6,anchor:错点 主要是实现页面的定位作用

请求头:

User-Aent:模拟浏览器加载

Cookies:携带cookies第一维持会话,告诉浏览器的身份信息

Refere:告诉浏览器,当前请求,是从那个页面发起的。

相关文章

  • 2018-12-24 网页爬虫第一天

    Python爬虫从入门到出门 第一天 1.1 目录 1.1 目录 1.2 爬虫的常用形式 1.3 爬虫的基本原理 ...

  • 爬虫豆瓣电影250

    爬虫第一天 一直都想去学爬虫,因为爬虫可以爬很多很多好玩的东西,比如好看的图片。但是之前总是三天打鱼两天晒网。现在...

  • 2019年python、golang、java、c++如何选择?

    Python入门教程完整版(懂中文就能学会) python网络爬虫第一天 python网络爬虫第二天 6节课掌握P...

  • 11.20-11.26

    本周目标 爬虫 爬虫 爬虫 爬虫

  • 爬虫入门基础

    Day01 一、爬虫介绍 什么是爬虫 Python爬虫的优势 Python爬虫需要掌握什么 爬虫与反爬虫与反反爬虫...

  • 01-认识爬虫

    一、爬虫介绍 什么是爬虫 Python爬虫的优势 Python爬虫需要掌握什么 爬虫与反爬虫与反反爬虫三角之争 网...

  • 爬虫原理与数据抓取之一: 通用爬虫和聚焦爬虫

    通用爬虫和聚焦爬虫 根据使用场景,网络爬虫可分为 通用爬虫 和 聚焦爬虫 两种. 通用爬虫 通用网络爬虫 是 捜索...

  • (了解)通用爬虫和聚焦爬虫--爬虫基础教程(python)(二)

    通用爬虫和聚焦爬虫 根据使用场景,网络爬虫可分为 通用爬虫 和 聚焦爬虫 两种.我们主要写通用爬虫。 通用爬虫 通...

  • 第一天爬虫

    大数据时代:如何产生? 1.打的公司打的企业:通过用户产生的数据 2.大的数据平台:通过收集或者和其他企业或者公司...

  • 爬虫 · 第一天

    嘿嘿,一直想要启动的爬虫学习今个终于开始了。计划花费一到两个月的时间把基本的爬虫类型都尝试一遍。按照某某公司的实习...

网友评论

      本文标题:第一天爬虫

      本文链接:https://www.haomeiwen.com/subject/ismdgftx.html