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