什么是网络爬虫

爬虫的实际例子：

1.搜索引擎（百度、谷歌、360搜索等）。
2.伯乐在线。
3.惠惠购物助手。
4.数据分析与研究（数据冰山知乎专栏）。
5.抢票软件。
6.自动化操作。（自动化关注，评论，回复）。

什么是网络爬虫：

1.通俗理解：爬虫是一个模拟人类请求网站行为的程序。可以自动请求网页、并数据抓取下来，然后使用一定的规则提取有价值的数据。
2.专业介绍：百度百科。

通用爬虫和聚焦爬虫：

1.通用爬虫：通用爬虫是搜索引擎抓取系统（百度、谷歌、搜狗等）的重要组成部分。主要是将互联网上的网页下载到本地，形成一个互联网内容的镜像备份。
2.聚焦爬虫：是面向特定需求的一种网络爬虫程序，他与通用爬虫的区别在于：聚焦爬虫在实施网页抓取的时候会对内容进行筛选和处理，尽量保证只抓取与需求相关的网页信息。

为什么用Python写爬虫程序：

1.PHP：PHP是世界是最好的语言，但他天生不是做这个的，而且对多线程、异步支持不是很好，并发处理能力弱。爬虫是工具性程序，对速度和效率要求比较高。
2.Java：生态圈很完善，是Python爬虫最大的竞争对手。但是Java语言本身很笨重，代码量很大。重构成本比较高，任何修改会导致代码大量改动。爬虫经常要修改采集代码。
3.C/C++：运行效率是无敌的。但是学习和开发成本高。写个小爬虫程序可能要大半天时间。
4.Python：语法优美、代码简洁、开发效率高、支持的模块多。相关的HTTP请求模块和HTML解析模块非常丰富。还有Scrapy和Scrapy-redis框架让我们开发爬虫变得异常简单。

开发准备环境与工具：

1.Python3.6.5开发环境。(推荐使用Anaconda3-5.2.0,已包含有Python3.6.5开发环境，还有很多开发用的依赖包，比如网络请求用到的requests)
anaconda python 版本对应关系

image

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。

假设你想安装python3.6.5，就去下载anaconda3-5.2.0；

假设你想安装python2.7.14，就去下载anaconda2-5.2.0

Anaconda各个版本的下载地址：清华镜像源

2.Pycharm最新开发工具。
Pycharm永久破解激活2018版本(亲测可用)

3.虚拟环境。virtualenv/virtualenvwrapper。
Pipenv--最好用的python虚拟环境和包管理工具

下一篇：什么是http和https协议