python3爬虫课程代码基本原理.pptxVIP

爬虫基本原理讲解什么是爬虫？什么是爬虫？请求网站并提取数据的自动化程序获取响应内容得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析。可能是Json，可以直接转为Json对象解析，可能是二进制数据，可以做保存或者进一步的处理。如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML，Json字符串，二进制数据（如图片视频）等类型。通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应。2431保存形式多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件。爬虫基本流程发起请求保存数据解析内容什么是Request和Response?服务器Request与Response我（1）浏览器就发送消息给该网址所在的服务器，这个过程叫做HTTP Request。（2）服务器收到浏览器发送的消息后，能够根据浏览器发送消息的内容，做相应处理，然后把消息回传给浏览器。这个过程叫做HTTP Response。RequestResponse（3）浏览器收到服务器的Response信息后，会对信息进行相应处理，然后展示。Request中包含什么？请求URL包含请求时的头部信息，如User-Agent、Host、Cookies等信息。URL全称统一资源定位符，如一个网页文