大数据时代，要想进行数据分析，首先要有数据来源，单靠公司那几条毛毛雨(数据)，分析个寂寞都不够，唯有通过学习爬虫，从外部(网站)爬取一些相关、有用的数据，才能让老板进行商业决策时的有据可依，而你，亦是老板。

一提到老板，漂亮的小MM，兴奋得不得了，马上大声问：你们IT界，最帅的是不是就是那个搞搜索引擎的李老板?

我尽管有点不服气，有点不开心，但我能怎么得，毕竟在网络爬虫方面，他(李老板)的技术比确实强。他懂得用爬虫技术，每天在海量互联网信息中进行爬取，爬取优质的信息并收录在他设定的数据库中。当用户在搜索引擎中，输入关键字时，引擎系统将对关键词进行数据分析处理，从收录的网页中找出相关网页，按照一定的排名规则排序并将结果展现给用户。

一想到排名赚到的money，李老板一分都不给我，我就跟人力MM说：好了，不跟你扯犊子了，我要跟我的老铁说网络爬虫的原理了，你个吃里爬外的家伙，见你的老板去吧。

1. 爬虫是什么

=========

网络爬虫又称网络蜘蛛、网络蚂蚁、网络机器等，它按照我们制定的规则，在网络上爬取数据。爬到的结果中会有HTML代码、JSON数据、图片、音频或视频。程序员根据实际要求，对数据进行过滤，提取其中有用的，进行存储。

说白点，就是用Python编程语言模拟浏览器，访问指定网站，对其返回结果，按规则进行筛选并提取自己需要的数据，存放起来使用，以供使用。

看过我《 第10天 | 12天搞定Python，文件操作 》和《 第11天 | 12天搞定Python，数据库操作》的老铁，应该知道，数据常存在文件或数据库中。

1. 爬取流程

========

用户通过浏览器访问网络数据的方式：打开浏览器->输入网址->浏览器提交请求->下载网页代码->解析成页面。

爬虫编程，指定网址，模拟浏览器发送请求(获取网页代码)->提取有用的数据->存放于文件或数据库中。

爬虫编程，推荐用Python，是因为Python爬虫库简单易用，在Python内置环境中的，就可以满足大多数功能。它可以：

(1) 用http库向目标站点发起请求，即发送一个Request(包含请求头和请求体等)；

(2) 对服务器返回的Response，用内置的库(html、json、正则表达式)就进行解析

(3) 将所需数据存储到文件或数据库当中。

如果Python内置的库不够用的话，可以用pip install 库名，快速下载第3方库并进行使用。

1. 爬点定位

========

在编写爬虫代码的过程中，经常需要指定爬取的节点或路径。如果我告诉你，Chrome浏览器，就可以快速获取节点或路径的话，你会不会马上看一下电脑是否安装了？

会的话，那就对了，不会的，赶紧去安装吧。

在页面中，按下键盘F2键，可显示源代码。鼠标选中你要获取的节点，右键【检查】就可定位到代码中，右键代码，选择【Copy】-【Copy Selector 】或【Copy XPath】便可复制节点或路径的内容。

好了，有关爬虫原理的内容，老陈讲完了，如果觉得对你有所帮助，希望老铁能转发点赞，让更多的人看到这篇文章。你的转发和点赞，就是对老陈继续创作和分享最大的鼓励。

出处：https://www.cnblogs.com/4186c/p/13986491.html