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。

你可能感兴趣的:(爬虫基础及Python环境安装)