【Python从零到壹】Python爬虫部分开篇
在学习Python爬虫部分,需要你已经学过Python基础和前端的相关知识。
文章目录
- 开发环境介绍:
- 数据的来源及作用
- 数据的作用
- 爬虫的相关概念
- a) 爬虫的概念
- b) 爬虫分类
- c) 爬虫的原理
- d) 各种语言写爬虫的对比
开发环境介绍:
- window10 操作系统
- Python解释器3.8
- 集成开发环境pycharm
数据的来源及作用
数据的来源有哪些?
- 用户产生的数据: 百度指数
- 政府统计的数据: 政府数据
- 数据管理公司: 聚合数据
- 自己爬取的数据: 爬取网站上的某些视频
数据的作用
- 数据分析
- 智能产品的练习数据
- 其他(比如买卖)
爬虫的相关概念
a) 爬虫的概念
爬虫就是应用程序,从网上下载各种各样的资源。
换句话说就是使用编程语言编写一个用于爬虫web或者app的数据应用程序。
怎么爬取数据呢?
- 找到要爬取的目标网站,发起请求
- 分析url是如何变化的和提取有用的url
- 提取有用的信息
爬虫什么数据都可以爬吗?
当然不能,需要遵守一定的规则和协议
可以看一下京东的:
有些是允许的,有些是不允许的。
b) 爬虫分类
- 通用爬虫
百度等搜索引擎,从一些初始的URL扩展到整个网站,主要为门户站点搜索引起和大型网站服务采集数据 - 聚焦网站爬虫
主题网络爬虫,选择性爬取根据需求相关的页面的网络爬虫 - 增量式网络爬虫
对已经下载的页面采取更新知识和只爬新产生的。
c) 爬虫的原理
- 通用的爬虫原理
- 聚焦网络爬虫原理
d) 各种语言写爬虫的对比
- php对多线程,异步支持不是很友好,并发能力弱。速度和效率低
- java: 代码量大,而且重构成本比较高,任何改动都会导致大量的改动,而爬虫需要经常修改采集代码
- Python: 开发效率高,代码简洁,支持的模块多,和HTTP请求和html解析模块非常丰富,还有scrapy,scrapy-redis框架,让开发爬虫更简单。
【Python从零到壹】Python爬虫部分开篇相关推荐
- [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解(定位元素、常用方法、键盘鼠标操作)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 五.网络爬虫之BeautifulSoup基础语法万字详解
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- c#使用正则表达式获取TR中的多个TD_[Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例...
首先祝大家中秋节和国庆节快乐,欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都 ...
- [Python从零到壹] 四十一.图像处理基础篇之图像采样处理
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 三十七.图像处理基础篇之图像融合处理和ROI区域绘制
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 三十五.图像处理基础篇之OpenCV绘制各类几何图形
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 十四.机器学习之分类算法五万字总结全网首发(决策树、KNN、SVM、分类对比实验)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 十三.机器学习之聚类算法四万字总结全网首发(K-Means、BIRCH、树状聚类、MeanShift)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
- [Python从零到壹] 十二.机器学习之回归分析万字总结全网首发(线性回归、多项式回归、逻辑回归)
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
最新文章
- ggplot2 调整绘图区域大小
- Spring Cloud Gateway(续)
- 密码6-12位数字和字母组成
- bzoj 3144: [Hnoi2013]切糕
- 恢复Ext3下被删除的文件
- java程序设计及实践实践代码_杭+新闻:姚争为老师把程序设计讲“活”了,满是代码的枯燥课程被学生“秒杀”...
- linux上mysql卸数_Linux下MySQL卸载和安装图文教程
- 设置git客户端不经过代理
- 【转】比较page、request、session、application的使用范围
- 寫下來,免得下次又忘了
- picasa2中文版,picasa2中文,picasa2中文版下载,picasa2中文版本
- c语言自学手册百度云,C语言新手入门自学零基础通俗易懂教程百度云
- python设计麻将_python麻将和牌算法
- 唐僧为什么可以领导孙悟空(项目管理)
- S7-1200PLC通过增量式编码器实现速度采集和模拟量采集
- Juniper SRX NAT46/NAT64配置
- Java反射--藤原豆腐店自用
- hdu 4745 区间dp
- Getaverse,走向 Web3 的远方桥梁
- 近日学习笔记:df -h和du -sh命令,查看linux版本,vbm管理工具,su命令,ssh服务升级技巧,source命令
热门文章
- yi.k7p.co/index.php,Muzeum Jarocin
- linux 系统业务迁移,记录一次linux系统迁移过程
- 斑马打印机Zebra 105SL每次开机就出纸
- 企业为何需要在内部推广Devops
- 微信开发:解决IOS端下面的点击延迟问题
- java log写入txt文件_使用java.util.logging.Logger时如何在文本文件中写日志
- 线性代数学习-矩阵在电流计算中的应用
- echarts 桑基图 添加标志线问题
- vue.runtime.esm.js?2b0e:619 [Vue warn]: Property “XX“ must be accessed with “$data._tos“ because
- 利用CASS使用三种方法计算两期土方