爬虫基础篇1--爬虫原理

标签：图片   状态码   响应状态   表达   头信息   进制   res   处理   pyquery   

1.什么是爬虫？
请求网站并提取数据的自动化程序（让程序替你去上网）

2.爬虫的基本流程
（1）向服务器发起请求
（2）获取网页内容
（3）解析内容
（4）保存数据

3.什么是request和response
请求与响应：
浏览器与服务器（也是一台计算机）之间的交流。

4.request中包含了什么？
（1）请求方式（get，post）
（2）请求的URL
（3）请求头信息
（4）请求体（例如post请求的表单信息）

5.response中包含了什么？
（1）响应状态码（200 0K 404 NO FOUND）
（2）响应头
（3）响应体

6.爬虫可以抓怎样的数据？
网页文本，图片，视频

7.如何解析？
（1）直接处理
（2）json解析
（3）正则表达式
（4）beautifulsoup解析库（pyquery）

8如何保存数据？
文本，关系型数据库，非关系型数据库（key-value），二进制文本

爬虫基础篇1--爬虫原理

标签：图片   状态码   响应状态   表达   头信息   进制   res   处理   pyquery   

原文地址：https://www.cnblogs.com/CszShuzi/p/9535029.html