零基础Python爬虫教程和实战(一)
今天我们来学爬虫,这个系列预计会出11期
爬虫原理:
------------------什么是爬虫?-----------------
请求网站并提取数据的自动化程序
------------------爬虫的分类 --------------------
- 通用网络爬虫(全网爬取,搜索引擎,爬行的范围和速度是巨大的,但速度慢,有用和无用的数据需要很多的存储空间,而且需要很多只爬虫一起爬)
- 聚焦网络爬虫(我们平时要写的爬虫,有选择性的去爬取,不会获取无用的数据)
-------什么是requests和response?-------
他们两个也叫HTTP requests和HTTP response
(1)浏览器发送消息给某个网址所在的服务器,这个过程就叫做HTTP requests
比如你在上方的网址区输入网址,它就会给该网址所在的服务区发送HTTP Requests
(2)服务器收到浏览器发送的消息后,能够根据浏览器发送消息的内容,做相应处理,然后把消息回传给浏览器。这个过程叫做HTTP Response.
比如你写出了某个网址,浏览器把请求上传到了那个网址的服务器中,服务器会传回给你一些HTML的代码,就构造了你想看到的网页
(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
------------Requests中包含什么?-------------
请求方式
GET: 单纯地从服务器里提取数据,请求的时候不带任何数据和参数。
POST: 发送的请求当中携带一些数据,就像登陆,你需要填账号密码。
请求URL
在发出的请求中,总会包含URL,这样才能知道请求到哪个服务器去,服务器也会根据你发的URL来给你提供相应的服务。
请求头
User-Agent: 用来标识请求是从哪里来的,如果是从浏览器发起的请求,User-Agent会标示浏览器的信息。如果是爬虫发起的请求,User-Agent会标识编程语言的名字。
Host: 主机
Cookies: 用来存储用户的信息,比如你登录就会存储登录的信息。下次要是再去请求目标网址,由于你cookies里已经有登录的信息,就不用再去登陆。
请求体
存储发出请求时需要额外携带的数据。因为他是存储携带数据,所以当get请求的时候,请求体是空的。
------------Response中包含什么?------------
响应状态
200 代表 成功
301 代表 网址被移到其他地,要跳转
404 代表 找不到页面
502 代表 服务器错误
当我们向服务器发起请求的时候,第一件事就是要判断响应状态
响应头
它里面有内容类型,内容长度,还会帮我们设置cookie值
响应体
我们向网址发起请求时,希望得到网址背后的数据,就是包含在响应体当中。
有HTML的框架呀,有图片呀,或者还有视频。
例子:
一般来说每个浏览器都会有一些检查工具,就比如我是chrome浏览器,只要在你想要检查的页面右键就可以了。
Elements选项卡
Elements选项卡里面包含的是此网页的HTML代码文档右边跟着的styles是它的样式表。我们看到的那些网页都是HTML代码结合它的样式表呈现出来的。不懂也没关系,待会儿会讲
如果我想知道某个数据存在的位置,选项卡的左上角就会出现这样一个标志。
点开它,你的鼠标指到哪里,那里的代码就会显现给你
零基础Python爬虫教程和实战(一)相关推荐
- 慕课网python零基础入门教程_零基础Python爬虫入门学习一之综述
原标题:零基础Python爬虫入门学习一之综述 大家好哈,最近博主在学习Python,学习期间也遇到一些问题,获得了一些经验,在此将自己的学习系统地整理下来,如果大家有兴趣学习爬虫的话,可以将这些文章 ...
- python经典教程_零基础 Python爬虫经典实战教程
最近Python爬虫比较火,看到网上分享源码的比较多,很少有教程帖子,为了帮助新人和对爬虫比较感兴趣的朋友,所以想到写一些比较详细教程帖子!大家共同学习! 下载工具,安装对应系统的版本,下面以wind ...
- 小孩儿都能学会的零基础Python学习教程
本套python学习路线从零开始,让你⼀步步掌握Python开发的各项相关技能,最终达到企业对Python开发.后端开发.爬⾍开发.数据分析等职位的要求. 内容很全面,从python基础知识到最后的项 ...
- 零基础python爬虫_零基础写python爬虫之爬虫编写全记录
先来说一下我们学校的网站: http://jwxt.sdu.edu.cn:7777/zhxt_bks/zhxt_bks.html 查询成绩需要登录,然后显示各学科成绩,但是只显示成绩而没有绩点,也就是 ...
- 零基础python嵌入式开发_零基础Python入门教程
第01课 python基础之python介绍 课时1python的职业方向和工资 试听 00 : 15 : 54 开始学习 课时2环境的安装 试听 00 : 14 : 16 开始学习 课时3基础班课程 ...
- python爬电影_零基础Python爬虫实现(爬取最新电影排行)
原博文 2018-02-26 15:29 − 提示:本学习来自Ehco前辈的文章, 经过实现得出的笔记. 目标网站 http://dianying.2345.com/top/ 网站结构 要爬的部分,在 ...
- 零基础python爬虫基础之王者荣耀图片下载(超级简单)
requests与PyQuery requests 请求获取数据 PyQuery PyQuery是一个类似于jQuery的解析网页工具,使用lxml操作xml和html文档,它的语法和jQuery很像 ...
- 零基础python机器学习笔记--代码实战第二天数据分析
首先读取数据 #读取红酒数据 target_url = "https://archive.ics.uci.edu/ml/machine-learning-databases/wine-qua ...
- python爬取电影网站存储于数据库_Python零基础爬虫教程(实战案例爬取电影网站资源链接)...
前言 好像没法添加链接,文中的链接只能复制到浏览器查看了 这篇是我写在csdn的,那里代码格式支持更好,文章链接 https://blog.csdn.net/d497465762/article/de ...
最新文章
- 为什么可以说Java语言是准动态语言?
- opencv极坐标转换成直角坐标_媲美 PS,用 Python 制作酷炫极坐标全景图
- C语言设计新思维分享
- 在java中使用JMH(Java Microbenchmark Harness)做性能测试
- php查询socket数据包头,php 查询数组值php中关于socket的系列函数总结
- pymysql安装_第八章 nova组件安装2
- ASP.NET Core 3.0中使用动态控制器路由
- 点击回退按钮刷新页面
- 第一节 Memcached分布式缓存入门
- 【CVPR 2020】Learning RoI Transformer for Oriented Object Detection in Aerial Images
- 详解Domino服务器的安装
- 【前端基础】浏览器对象
- 51单片机之DS18B20
- 周杰伦新歌刷爆朋友圈的背后 付费音乐的春天终于来了?
- office相关文件转pdf的几种方式
- 大数据分析和人工智能科普
- Java、JSP外卖订餐系统
- 大道至简:软件工程实践者的思想读后感
- 信息学奥赛一本通答案dj空格分隔输出1026
- 我是如何打造出自己私有云存储的
热门文章
- 洛谷p2504 HAOI2006 聪明的猴子
- 使用selenium等待网页加载完成,lxml解析网页,利用urllib爬取图片
- 腾讯地图JavaScript API GL 版标记及输入经纬度反向定位(vue.js实现)
- 六级翻译——第三节 中国经济
- “淘宝商城”更名“天猫”
- Android studio处理打签名包时报字符资源is not translated的问题
- iPhone必崩溃bug曝光
- 前端世界国家下拉选择栏数据
- s:form action=login...与s:form action = login.action.的区别
- Python毫秒准换为秒