python技術(shù)中最為津津樂(lè)道的技術(shù)就是爬蟲(chóng)了，提到python爬蟲(chóng)相信大家就算沒(méi)用過(guò)也有聽(tīng)說(shuō)過(guò)，今天小千就來(lái)給大家介紹一下關(guān)于python爬蟲(chóng)的那點(diǎn)事，小白同學(xué)注意好好聽(tīng)，拿好小本本記筆記啦。

      什么是python爬蟲(chóng)？

      網(wǎng)絡(luò)爬蟲(chóng)，英文名為Spider,又稱(chēng)為網(wǎng)頁(yè)蜘蛛，網(wǎng)絡(luò)機(jī)器人，在數(shù)據(jù)分析應(yīng)用中，更多的將爬蟲(chóng)稱(chēng)為數(shù)據(jù)采集程序，是一種按照一定的規(guī)則，自動(dòng)地抓取網(wǎng)絡(luò)信息的程序或者腳本。

      原則上,只要是客戶(hù)端(瀏覽器)能做的事情，爬蟲(chóng)都能夠做

      爬蟲(chóng)也只能獲取客戶(hù)端(瀏覽器)所展示出來(lái)的數(shù)據(jù)

      網(wǎng)絡(luò)中的數(shù)據(jù)可以是由web服務(wù)器【Nginx/Apache】，數(shù)據(jù)庫(kù)服務(wù)【MySQL/Redis/MongoDB】，索引庫(kù)，大數(shù)據(jù)，視頻/圖片庫(kù)，云存儲(chǔ)【阿里云的OSS】等提供的,最主要的來(lái)源是Web服務(wù)器

      不過(guò)，大家一定要注意哦，可爬取的數(shù)據(jù)必須是公開(kāi)的，非盈利的，如：如果侵入人家非公開(kāi)的網(wǎng)絡(luò)，人家會(huì)通過(guò)ip定位到你，屬于違法行為的哦，再或者，一些理財(cái)?shù)木W(wǎng)站，如果爬取數(shù)據(jù)，肯定是不可以的，如果小伙伴們不聽(tīng)話，非要去爬取，那任何人都是保護(hù)不了你的哦，狗頭保命~~~

      有名的爬蟲(chóng)案件：簡(jiǎn)歷大數(shù)據(jù)公司“巧達(dá)科技”被一鍋端、“車(chē)來(lái)了”涉嫌偷數(shù)據(jù)被警方立案等

      爬蟲(chóng)都有哪幾種？

python培訓(xùn)爬蟲(chóng)分類(lèi)" />

      通用爬蟲(chóng)：

      通用網(wǎng)絡(luò)爬蟲(chóng)從互聯(lián)網(wǎng)中搜集網(wǎng)頁(yè)，采集信息，這些網(wǎng)頁(yè)信息決定著整個(gè)引擎系統(tǒng)的內(nèi)容是否豐富，信息是否即時(shí)，因此其性能的優(yōu)劣直接影響著搜索引擎的效果

      大家要注意哦，通用爬蟲(chóng)雖然簡(jiǎn)單，方便，但是缺點(diǎn)也是顯而易見(jiàn)的，小助手給大家列舉了幾點(diǎn)，大家可以了解一下：

      1.通用搜索引擎所返回的結(jié)果都是網(wǎng)頁(yè)，而大多情況下，網(wǎng)頁(yè)里90%的內(nèi)容對(duì)用戶(hù)來(lái)說(shuō)都是無(wú)用的。

      2.不同領(lǐng)域、不同背景的用戶(hù)往往具有不同的檢索目的和需求，搜索引擎無(wú)法提供針對(duì)具體某個(gè)用戶(hù)的搜索結(jié)果。

      3.萬(wàn)維網(wǎng)數(shù)據(jù)形式的豐富和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，圖片、數(shù)據(jù)庫(kù)、音頻、視頻多媒體等不同數(shù)據(jù)大量出現(xiàn)，通用搜索引擎對(duì)這些文件無(wú)能為力，不能很好地發(fā)現(xiàn)和獲取。

      4.通用搜索引擎大多提供基于關(guān)鍵字的檢索，難以支持根據(jù)語(yǔ)義信息提出的查詢(xún)，無(wú)法準(zhǔn)確理解用戶(hù)的具體需求。

      聚焦爬蟲(chóng)：

      聚焦爬蟲(chóng)，是"面向特定主題需求"的一種網(wǎng)絡(luò)爬蟲(chóng)程序，它與通用搜索引擎爬蟲(chóng)的區(qū)別在于： 聚焦爬蟲(chóng)在實(shí)施網(wǎng)頁(yè)抓取時(shí)會(huì)對(duì)內(nèi)容進(jìn)行處理篩選，盡量保證只抓取與需求相關(guān)的網(wǎng)頁(yè)信息, 如12306搶票，或?qū)ｉT(mén)抓取某一個(gè)（某一類(lèi)）網(wǎng)站數(shù)據(jù)

      1.根據(jù)是否以獲取數(shù)據(jù)為目的，可以分為：功能性爬蟲(chóng)，給你喜歡的明星投票、點(diǎn)贊。數(shù)據(jù)增量爬蟲(chóng)，比如招聘信息

      2.根據(jù)url地址和對(duì)應(yīng)的頁(yè)面內(nèi)容是否改變，數(shù)據(jù)增量爬蟲(chóng)可以分為：基于url地址變化、內(nèi)容也隨之變化的數(shù)據(jù)增量爬蟲(chóng)。url地址不變、內(nèi)容變化的數(shù)據(jù)增量爬蟲(chóng)

      爬蟲(chóng)能干什么？

      1. 數(shù)據(jù)采集,比如：抓取微博評(píng)論(機(jī)器學(xué)習(xí)輿情監(jiān)控)、抓取招聘網(wǎng)站的招聘信息(數(shù)據(jù)分析、挖掘)、新浪滾動(dòng)新聞、百度新聞網(wǎng)站

      2. 軟件測(cè)試：爬蟲(chóng)之自動(dòng)化測(cè)試

      自動(dòng)化測(cè)試所必需的selenium . selenium是一個(gè)用于Web應(yīng)用程序測(cè)試的工具,selenium 測(cè)試直接運(yùn)行在瀏覽器中,就像真正的用戶(hù)在操作一樣。 支持的瀏覽器包括IE,chrome和Firefox等。其實(shí)就是借助于selenium做爬蟲(chóng)的事情。

      3. 搶票和投票

      4. 網(wǎng)絡(luò)安全：短信轟炸、web漏洞掃描

      以上就是關(guān)于python爬蟲(chóng)的那點(diǎn)事了，最后歡迎對(duì)python爬蟲(chóng)感興趣的同學(xué)來(lái)到千鋒python培訓(xùn)班了解一下我們的python培訓(xùn)課程，全程名師面授，還有免費(fèi)python學(xué)習(xí)資料可以領(lǐng)取，感興趣就趕緊來(lái)看一看吧。