python爬蟲的基本原理與過程

這篇文章主要講解了“python爬蟲的基本原理與過程”，文中的講解內(nèi)容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“python爬蟲的基本原理與過程”吧！

1、基本原理

爬蟲是 模擬用戶在瀏覽器或者App應用上的操作，把操作的過程、實現(xiàn)自動化的程序。由以下4個基本流程。

（1）、發(fā)起請求
通過HTTP庫向目標站點發(fā)起請求，也就是發(fā)送一個Request，請求可以包含額外的header等信息，等待服務(wù)器響應

（2）、獲取響應內(nèi)容
如果服務(wù)器能正常響應，會得到一個Response，Response的內(nèi)容便是所要獲取的頁面內(nèi)容，類型可能是HTML,Json字符串，二進制數(shù)據(jù)（圖片或者視頻）等類型

（3）、解析內(nèi)容
得到的內(nèi)容可能是HTML,可以用正則表達式，頁面解析庫進行解析，可能是Json,可以直接轉(zhuǎn)換為Json對象解析，可能是二進制數(shù)據(jù)，可以做保存或者進一步的處理

（4）、保存數(shù)據(jù)
保存形式多樣，可以存為文本，也可以保存到數(shù)據(jù)庫，或者保存特定格式的文件

2、過程

而當我們在瀏覽器中輸入一個url后回車，后臺會發(fā)生什么？

簡單來說這段過程發(fā)生了以下四個步驟：

（1）、查找域名對應的IP地址。 
      瀏覽器首先訪問的是DNS(Domain Name System,域名系統(tǒng)),dns的主要工作就是把域名轉(zhuǎn)換成相應的IP地址

（2）、向IP對應的服務(wù)器發(fā)送請求。

（3）、服務(wù)器響應請求，發(fā)回網(wǎng)頁內(nèi)容。

（4）、瀏覽器顯示網(wǎng)頁內(nèi)容。

網(wǎng)絡(luò)爬蟲要做的，簡單來說，就是實現(xiàn)瀏覽器的功能。通過指定url，直接返回給用戶所需要的數(shù)據(jù)， 而不需要一步步人工去操縱瀏覽器獲取。

感謝各位的閱讀，以上就是“python爬蟲的基本原理與過程”的內(nèi)容了，經(jīng)過本文的學習后，相信大家對python爬蟲的基本原理與過程這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！