理解爬蟲原理

1. 簡單說明爬蟲原理

2. 理解爬蟲開發過程

1).簡要說明瀏覽器工作原理；

url解析/dns解析查詢網域名稱ip位址，網路連線發起http請求，http報文傳輸過程，伺服器接收資料，伺服器響應請求/mvc，伺服器返回資料，客戶端接收資料，瀏覽器載入/渲染頁面，列印繪製輸出所看到的網頁。

2).使用 requests 庫抓取**資料；

requests.get(url) 獲取校園新聞首頁html**

3).了解網頁

寫乙個簡單的html檔案，包含多個標籤，類，id

4).使用 beautiful soup 解析網頁；

通過beautifulsoup(html_sample,'html.parser')把上述html檔案解析成dom tree

select（選擇器）定位資料

找出含有特定標籤的html元素

找出含有特定類名的html元素

找出含有特定id名的html元素

import

bs4from bs4 import
beautifulsoup
html = '
this is link1
this is link2
'soup=beautifulsoup(html,'
html.parser')
print(soup.select('
a')) #
特定標籤的html元素
print(soup.select('
.link
')) #
特定類名的html元素
print(soup.select('
#title
')) #
特定id名的html元素
3.提取一篇校園新聞的標題、發布時間、發布單位、作者、點選次數、內容等資訊
如url = ''
要求發布時間為datetime型別，點選次數為數值型，其它是字串型別。
**如下：
執行結果：
理解爬蟲原理
本次作業 於 1.簡單說明爬蟲原理 請求 並提取資料的自動化流程 2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 web瀏覽器提交請求後，通過http協議傳送給web伺服器。web伺服器接到後，進行事務處理，處理結果又通過http傳回給web瀏覽器，從而在web瀏覽器上顯示出所請求 的頁面。2 使...
理解爬蟲原理
本次作業 於 1.簡單說明爬蟲原理 爬蟲原理就是爬取網頁。2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 瀏覽器的主要功能是向伺服器發出請求，在瀏覽器中展示選擇的網路資源，一般資源就是html文件，也可以是pdf,imgage,或者其他型別，資源的位置由使用者使用uri 統一資源表示符 指定。2 ...
理解爬蟲原理
老師 missdu 提交作業 1.簡單說明爬蟲原理 爬蟲的原理是通過模擬請求的方式去訪問相關的開放頁面，通過 的方式去模擬觸發網頁的點選和跳轉，通過流的方式獲取到請求響應後的整個html資訊，再通過一些工具類去篩選這些資訊中包含的有用的資訊 2.理解爬蟲開發過程 1 簡要說明瀏覽器工作原理 遊覽器通...