python网络爬虫--爬虫概述 什么是爬虫? 就是通过编写程序,让其模拟浏览器上网,然后在互联网中抓取数据的过程 关键字: 模拟: 浏览器本身就是一个纯天然的原始爬虫工具 抓取: 抓取一整张的页面源码数据 抓取一整张页面中的局部数据 爬虫的分类: 通用爬虫: 要求我们爬取一整张页面的源码数据 聚焦爬虫: 要求我们抓取一整张页面中的局部数据,建立在通用爬虫基础上 增量式爬虫: 用来监测网站数据更新的情况,以便爬取到网站最新更新出来的数据(爬没爬过的数据) 分布式爬虫: 提高爬取效率的终极武器。 反爬机制 是作用在门户网站中。如果网站不想让爬虫轻易爬取数据,它可以制定相关的机制或者措施阻止爬虫程序爬取其数据 反反爬策略 是作用在爬虫程序中。我们爬虫可以制定相关的策略破击反爬机制从而爬取相关的数据。