一：什么是爬虫
请求网站并提取数据的自动化程序。
二：爬虫基本流程
a.发起请求
通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等服务器响应。
b.获取响应内容
如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML,Json字符串，二进制数据（如图片视频）等类型。
c.解析内容
得到的内容可能是HTML，可以用正则表达式，网页解析库进行解析。可能是Json，可以直接转换为Json对象解析，可能是二进制数据，可以做保存或者进一步的处理。
d.保存数据
保存形式多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件。
三：什么是Requests、Response？
（1）：浏览器发送消息给该网址所在的服务器，这个过程叫做HTTP Request。
（2）：服务器收到浏览器发送的消息后，能够根据浏览器发送的内容，做相应处理，然后把消息回传给浏览器。这个过程叫做HTTP Response。
（3）：浏览器收到服务器的Response信息后，会对信息进行相应处理，然后展示。
四：Request包含哪些？
a、请求方式
主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等。
b、请求URL
URL全称统一资源定位符，如一个网页文档，一张图片、一个视频等都可以用URL唯一来确定。
c、请求头
包含请求时的头部信息，如User-Agent，Host，Cookies等信息。
d、请求体
请求时额外携带的数据如表单提交时的表单数据。
五：Response中包含什么？
a、响应状态
有多种响应状态，如200代表成功、301跳转、404找不到页面、502服务器错误。
b、响应头
如内容类型、内容长度、服务器信息、设置Cookie等等。
c、响应体
最主要的部分，包含了请求资源的内容，如网页HTML、图片二进制数据等。
六：能抓取怎样的数据：
1、网页文本：如：HTML文档，json格式文本。
2、图片：获取到的是二进制文件，保存为图片格式。
3、视频：同为二进制文件，保存为视频格式即可。
4、其他：只要能请求到的，都能获取。
七：解析方式：
1、直接处理。
2、json解析
3、正则表达式
4、pyquery
5、xpath
6、beautifulsoup
八：如何解决JavaScript渲染问题？
1、分析Ajax
2、Selenium/WebDriver
3、Splash
4、pyV8、Ghost.py
保九：存数据：
1、文本：纯文本，Json，xml
2、关系型数据库，如mysql、oracle、sql server等具有结构化表结构形式存储
3、非关系型数据库，如mongodb、redis等key-value形式存储。
4、二进制文件，如图片、视频、音频等直接存成特定格式即可。
