初识爬虫1

学习路线:爬虫基础知识-requests模块-数据提取-selenium-反爬与反反爬-MongoDB数据库-scrapy-appium。

对应视频链接(百度网盘):正在整理中

爬虫基础知识:

1.爬虫的概念

总结:模拟浏览器,发送请求,获取响应。

2.爬虫的作用

数据采集

软件测试

抢票

网站上的投票

网络安全

3.爬虫的分类

数量

是否获取数据

url与数据的关系

4.爬虫的流程

url

发请求,获取响应

解析

5.http复习

http以及https的概念和区别

HTTPSH比HTTP更安全,但是性能更低

6.常见的请求头与响应头

请求头

host 域名

Connection 长连接

Upgrade-Insecure-Requests 升级为HTTPS请求

***User-Agent 用户代理,提供系统信息和浏览器信息

***Referer 页面跳转处,防盗链(图片/视频)

***Cookie 状态保持

响应头 Set-Cookie

7.状态码

所有的状态码都不可信,一切以是否从抓包得到的响应中获取到数据为准

network中抓包得到的源码才是判断依据,elements中的源码是渲染之后的源码

8.浏览器请求的过程

发送所有请求,进行渲染

爬虫

只发送指定请求,不会渲染

骨骼文件:html静态文件

肌肉文件:js/ajax请求

皮肤:css/font/图片

源代码 控制台 所有源代码 响应

Network:点刷新,可以看到响应

相关推荐
全栈开发圈6 小时前
新书速览|Java网络爬虫精解与实践
java·开发语言·爬虫
小白学大数据6 小时前
JavaScript重定向对网络爬虫的影响及处理
开发语言·javascript·数据库·爬虫
ac-er88887 小时前
PHP网络爬虫常见的反爬策略
开发语言·爬虫·php
聪明的墨菲特i10 小时前
Python爬虫学习
爬虫·python·学习
oliveira-time12 小时前
爬虫学习6
爬虫
xiaoxiongip66617 小时前
HTTP 和 HTTPS
网络·爬虫·网络协议·tcp/ip·http·https·ip
兆。19 小时前
掌握 PyQt5:从零开始的桌面应用开发
开发语言·爬虫·python·qt
API快乐传递者1 天前
淘宝反爬虫机制的主要手段有哪些?
爬虫·python
兜里有糖请分享1 天前
Python中序列化/反序列化JSON格式的数据
爬虫·python
亿牛云爬虫专家2 天前
用Puppeteer点击与数据爬取:实现动态网页交互
javascript·爬虫·爬虫代理·puppeteer·数据·代理ip·16yun