python數(shù)據(jù)爬蟲基本流程是什么

小編給大家分享一下python數(shù)據(jù)爬蟲基本流程是什么，希望大家閱讀完這篇文章后大所收獲，下面讓我們一起去探討吧！

爬蟲基本流程

1、發(fā)起請求

通過url向服務(wù)器發(fā)送requests請求，請求可以包含額外的header信息。

2、獲取響應(yīng)內(nèi)容

如果服務(wù)器正常響應(yīng)，那么將受到一個response，response即為我們所請求的網(wǎng)頁內(nèi)容，可能包含html\json\二進制數(shù)據(jù)(圖片、視頻)等。

3、解析內(nèi)容

如果是html代碼則可以使用網(wǎng)頁解析器進行解析；如果是json數(shù)據(jù)則可以轉(zhuǎn)換成json對象進行解析；如果是二進制數(shù)據(jù)則可以保存到文件進行進一步的處理。

4、保存數(shù)據(jù)

可以保存到本地文件，也可以保存到數(shù)據(jù)庫(mysql\redis\mongodb等)。

5、requests請求

當(dāng)我們通過瀏覽器向服務(wù)器發(fā)送requests請求時，這個request包含什么內(nèi)容？可以通過chrome瀏覽器的開發(fā)人員工具(F12)查看。

6、請求方式

最常用的請求方式包括get請求和post請求。

7、uri統(tǒng)一資源定位符

 一個網(wǎng)址、一個視頻、一個圖片都可以用uri去定義

8、requests headers

請求頭，包括這次請求的類型，cookie信息以及瀏覽器類型等。

請求頭在我們進行網(wǎng)頁抓取的時候，服務(wù)器會通過解析請求頭來進行信息的審核，判斷請求是否為合法請求。所以當(dāng)我們通過程序偽裝瀏覽器進行請求的時候可以設(shè)置請求頭的信息。

9、請求體

post請求會把用戶信息包裝在form-data里面進行提交，因此相比于get請求，post請求的Headers標(biāo)簽的內(nèi)容會多出Form Data這個信息包。

10、response

響應(yīng)狀態(tài)：Headers中的General可以看到status code，使用數(shù)字代碼表示對于狀態(tài)，200表示成功，301跳轉(zhuǎn)，404找不到網(wǎng)頁，502服務(wù)器錯誤等。

11、響應(yīng)頭

包括內(nèi)容的類型，cookie信息等。

12、響應(yīng)體

請求的目的就是為了得到響應(yīng)體，包括html代碼，json及二進制數(shù)據(jù)等。

13、requests模塊

安裝使用pip install requests即可。

看完了這篇文章，相信你對python數(shù)據(jù)爬蟲基本流程是什么有了一定的了解，想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！