爬虫技术初步自学

目的

本篇文章实际上自学爬虫技术的学习一份学习笔记,希望可以对后学的小白起到帮助,也希望得到大佬的指点,若有错漏希望大佬指出。

初步认知

爬虫实际上是一个计算机程序。开发爬虫程序的常用语言是Python。(Python我已经在五六年前就感觉很火热了,感觉这个语言应该非常好用,后续要提上学习计划了。)

它的行为看起来就像是蜘蛛在网上面爬行一样,顺着互联网这个"网",一条线一条线地"爬行"。所以爬虫在英文中又叫作"Spider",正是蜘蛛这个单词。(Spider man就是蜘蛛侠了,说不定爬虫技术到高深处做好事的话咱也是一名行走在夜之城的侠客也未可知啊)

主要是用于爬取网站的数据,并且效率极高,比起人工收集数据的效率高出很多倍。

爬虫技术的应用

数据收集

由于网页模板大多都是一样的,所以针对一个页面写出了一个爬虫程序就可以通过这个程序获取大量相同的网页数据。

刷流量和秒杀活动

刷流量是爬虫天然自带的功能。当爬虫访问了一个网站时,如果这个爬虫隐藏得很好,网站不能识别这一次访问来自于爬虫,那么就会把它当成正常访问。于是,爬虫就"不小心"地刷了网站的访问量。除了刷流量外,爬虫也可以参与各种秒杀活动,包括但不限于在各种电商网站上抢商品等等。(我想着现在这种防止爬虫的技术基本上大厂的网站已经做过很好的防护程序了,就算要用也只能去小地方看看了

参考文章:

链接: 何为爬虫技术(感谢大佬的技术分享)

相关推荐
鬼手点金14 小时前
与LLM结合的主流智能爬虫框架
爬虫·python·llm·post·request·firecrawl·crawl4ai
天启HTTP2 天前
爬虫频繁弹验证码?解析网站反爬检测机制
网络·爬虫·tcp/ip
深蓝电商API2 天前
如何快速定位加密函数?
爬虫·加密函数
oh,huoyuyan2 天前
网页公开数据采集工具推荐
人工智能·爬虫·火车采集器
崔子末2 天前
某影视库剧集列表以及查询接口逆向
爬虫·python
雪山青木3 天前
全国微博签到数据201912-202004
大数据·爬虫·python·数据挖掘·数据分析·新浪微博
TlSfoward3 天前
DLL 指纹库 采集、检索 TLSFOWARD tls指纹库
爬虫·网络协议·https·自动化
有味道的男人4 天前
基于 Codex 爬虫构建亚马逊无人上架系统|竞品详情采集到商品发布完整实现
爬虫·亚马逊
张小凡vip4 天前
Python爬虫实战:高效稳定的文件下载模块设计与实现
开发语言·爬虫·python
tang777894 天前
爬虫代理报错速查:407/408/409/410/503 从报错到根治(实测可用)
爬虫·爬虫代理·动态代理ip·代理ip·503·407·爬虫报错