01爬蟲基本原理及Requests庫下載

一、爬蟲基本原理

1.什么是爬蟲

? 爬蟲就是爬取數據

2.什么是互聯網？

? 就是由一堆網絡設備，把一臺臺的電腦互聯在一起

3.互聯網建立的目的

? 數據的傳遞和數據共享

4.什么是數據？

? 例如：

? 電商平臺的商業信息（淘寶、京東、亞馬遜）

? 鏈家、自如等租房信息

? 股票政券投資信息

? 12306票務信息

? ....

4.1什么是進程和線程

? 打比方：打開QQ是進程

? QQ中的很多群是線程

5.什么是上網

? 普通用戶：

? 打開瀏覽器

? →輸入網址

? →往目標主機發送請求

? →返回響應數據

? →把數據渲染到瀏覽器中

? 爬蟲程序：

? 模擬瀏覽器

? →往目標主機發送請求

? →返回響應數據

? →提取有價值的信息

? →保存數據（文件寫入本地、持久化到數據庫）

6.爬蟲的全過程

? 1.發送請求

? 請求庫：Requests/Selenium

? 2.獲取響應數據

? 3.解析數據

? 解析庫：BeautifulSoup4

? 4.保存數據

? 存儲庫：文件保存/MongoDB

總結

假如把互聯網中的數據比作一座寶藏，爬蟲其實就是在挖取寶藏

二、Requests請求庫

1.安裝

方法一：pip3 install requests

如果報錯，則是環境變量沒有配好，可以在pycharm中下載

方法二：

2.分析請求流程（模擬瀏覽器）

? -百度

? 1.請求url：https://www.baidu.com/

? 2.請求方式

? 3.響應狀態碼

三、爬蟲三部曲（測試）

1.發送請求

# 發送請求
def get_page(url):response = requests.get(url)return response

2.解析數據

#解析主頁頁面
import re
def pare_index(html):#findall 匹配所有# re.findall('正則匹配規則','匹配文本','匹配模式')#re.S 對全部文本進行搜索detail_urls = re.findall('<div class="items"><a class="imglink" href="(.*?)"',html,re.S)return detail_urls# 解析詳情頁
def pare_detail(html):detail_urls = re.findall('<sourse src="(.*?)">',html,re.S)return detail_urls

3.保存數據

#保存文件
import uuid
def save_movie(content):with open(f'{uuid.uuid4()}','wb') as f:f.write(content)print("視頻下載完畢")