python爬虫-初步认识
2024-08-31 19:59:37
特此声明:
- 以下内容来源于博主:http://blog.csdn.net/pleasecallmewhy
http://cuiqingcai.com/
- 根据需要整理到自己的笔记中,用于学习。
网络爬虫(Web crawler):也叫网络蜘蛛(Web spider),网络爬虫的基本操作就是抓取网页。
浏览网页:在火狐浏览器中打开百度www.baidu.com ,就是将浏览器作为一个’客户端‘,
向服务器发送一次请求, 把服务器的文件’抓取‘到本地,再进行解释和展现.
HTML:是一种标记语言,用标签标记内容并加以解析和区分。
浏览器功能:将获取到的HTML代码进行解析,然后将原始的代码转变成我们直接看到的网站页面。
URL(Uniform / Universal Resource Locator):称为统一资源定位符(也叫网址)
URL格式:
- 协议
- 服务器(域名或IP地址),有时也包括端口号(以数字表示,可省略)
- 路径(即主机资源的具体地址)
- 查询(以?为起点)
第一部分协议和第二部分服务器用' :// '符合隔开,第二部分服务器和第三部分路径用' / '隔开
例如:http://zh.wikipedia.org:80/w/index.php
http:是协议
zh.wikipedia.org,是服务器
80,是服务器上的网络端口号
/w/index.php,是路径
爬虫最主要的处理对象就是URL
最新文章
- BZOJ 3157 &;数学乱搞...
- zk FileUpload(文件上传)
- JQuery_过滤选择器
- 5.HBase In Action 第一章-HBase简介(1.1.3 HBase的兴起)
- javascript 拷贝文本
- V4L2应用程序框架--一【转】
- Duilib学习笔记《02》— 界面布局
- 我常用的VBS方法(QTP)
- jsf小例子
- 转载:selenium的wait.until()
- C++实现多级排序
- 如何批量修改网页 更新网站 一键保存 windows查看和排序
- day-01(html)
- ionic 3 安卓手机获取经纬度坐标
- 【PHP】五分钟教你编写一个实时弹幕网站
- linux RCU锁机制分析
- Redis-发布与订阅
- ExtJs 中Viewport的介绍与使用
- js改变iframe 的src地址
- 4.1.1 Choosing the SST Donor