爬虫基础及Python环境安装

前言：

​ 爬虫是Python最常见的开发项目，而爬虫本身的应用对象又是多种多样（文本、视频、图片、其它文件等等），本视频系列课程，我们将会拿出多个案例进行爬虫项目实战讲解，帮大家对爬虫项目进行实战，培养爬虫项目分析的实际过程。（本系列每个视频教程都将控制到5-6分钟左右）

第一篇、爬虫基础及Python环境安装

爬虫是什么：

网络爬虫（又称为网页蜘蛛，网络机器人），是一种按照一定的规则，自动地抓取互联网信息的程序或者脚本。

首先，我们要了解一下爬虫的法律风险，毕竟我们只是程序员，而不是拿这些数据进行非法谋利。

爬虫的法律风险

• 1、违反网站意愿，非法抓取并使用了目标站点所禁止的内容；
• 2、爬虫干扰了被访问网站的正常运营；
• 3、抓取了受到法律保护的特定类型的数据或信息。

那么作为爬虫开发者，如何规避风险？

• 1、严格遵守网站设置的robots协议；
• 2、避免干扰被访问网站的正常运行；
• 3、避免使用爬取的数据进行商业化实现；
• 4、在使用、传播抓取到的信息时，应审查所抓取的内容，如发现属于用户的个人信息、隐私或者他人的商业秘密的，应及时停止并删除。

说了一堆，其实我们保证做到二点就行了。

1、百度能抓到的，我们可以抓，百度抓不到的，尽量别抓。抓的时候别影响目标网站的正常运行。

2、所有爬到的数据，不要直接用来商业化。

Python环境安装步骤：

1. 采购阿里云服务器（windows）版本，或者自备一台windows机器

2. 下载相关软件（python）及安装

   相关教程可以参考： 1.Python的安装与配置

   我们下载的是：https://npm.taobao.org/mirrors/python/ 选择x64的windows版本

   安装完成之后请运行cmd 执行 python 查看是否成功运行

3. 修改pip国内源

   点击查看

4. 安装相关扩展示

   python -m pip install --upgrade pip
   pip install jupyter
   pip install selenium
   pip install pyquery
   pip install request
   #运行jupyter notebook
   jupyter notebook
   

以上安装的模块分别是：

request 是一个基础的http库，我们可以用来请求http或https的站点。

selenium 其实是一个集成测试工具，但是我们可以利用测试模拟来实现网站模拟的操作，简单来说就是人为模拟访问网站。

pyquery 库也是一个非常强大又灵活的网页解析库，如果你使用过Jquery，那么你用起来也会得心应手。

jupyter 一个Web IDE，可以实时运行，实时调试。

总结：

本篇简单介绍了爬虫，和爬虫相关的法规。另使用视频进行了安装说明。下一篇我们将进行我们第一个实战系列项目：爬取百度风云榜单，为之后项目进行准备。

作者相关：

明哥较擅长PHP开发架构，Python开发。从业金融电商等领域多年经验。更新时间不定，以技术为主，不定期分享技术和人生，如果有兴趣可以关注。博客、新浪微博、、微信公众号

本系列教程及源码地址：点击访问

最后：如果你正在学习Python的路上，或者准备打算学习Python、明哥会陪着你陪你一起共同进步！

手打不易，有用的话，请记得关注转发。