网页抓取数据百度百科(如何定义网络爬虫（二）：爬虫、爬虫从哪里爬取)

　　网页抓取数据百度百科(如何定义网络爬虫（二）：爬虫、爬虫从哪里爬取)

　　一、前言

　　您是否急于想采集数据却不知道如何采集数据？

　　您是否正在为尝试学习爬虫却找不到专门为小白写的教程而苦恼？

　　答对了！你没看错，这是专门为小白学习爬虫写的！我会用例子把每个部分和实际例子结合起来，帮助朋友们理解。最后，我会写几个实际的例子。

　　我们使用 Python 编写爬虫。一方面，因为Python是一门特别适合入门的语言，另一方面，Python也有很多爬虫相关的工具包，可以简单快速的开发我们的小爬虫。

　　本系列使用的是Python3.5版本，毕竟2.7会慢慢退出历史舞台的~

　　所以，接下来，你必须知道爬虫是什么，它在哪里爬取数据，以及学习爬虫要学什么。

　　二、什么是爬虫

　　来看看百度百科是如何定义的

　　网络爬虫（也称为网络蜘蛛、网络机器人，在 FOAF 社区中，更常见的是网络追逐）是根据某些规则自动抓取万维网上信息的程序或脚本。其他不太常用的名称是蚂蚁、自动索引、模拟器或蠕虫。

　　什么？没看懂？没关系，我给你解释一下

　　打开一个收录网页内容的网页。想象一下，有一个工具可以获取网页上的内容并将其保存在您想要的位置。这个工具就是我们今天的主角：爬虫。

　　这是否使它更清楚？

　　既然了解了爬虫是什么，那么爬虫是如何爬取数据的呢？

　　三、爬虫从哪里爬取数据

　　打开浏览器（强烈推荐使用谷歌浏览器），找到浏览器地址栏，然后输入，就可以看到网页的内容了。

　　图中的两个人在做什么？（单身狗请主动防守，这是意外伤害，这真的是意外伤害！）

　　用鼠标右键单击页面，然后单击查看页面源。你看到这些词了吗？这就是网站的样子。

　　其实所有的网页都是HTML代码，只是浏览器把这些代码解析成上面的网页。我们的小爬虫抓取的实际上是 HTML 代码中的文本。

　　这不合理，难不成那些图片也是文字？

　　恭喜你，你明白了。返回浏览器中带有图片的标签页，右键单击，然后单击“检查”。将弹出一个面板。点击面板左上角的箭头，点击虐狗图片，你会看到下面的红圈，就是图片的网络地址。图片可以通过这个地址保存到本地。

　　你猜对了，我们的小爬虫抓取网页中的数据。您需要知道您想要获取哪些数据以及您的目标 网站 是将您的想法变为现实。哦。你不能说，我要这个，这个，这个，然后数据会自动来。. . （这让你想起了你的导师或老板吗？）