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
WL_Aurora44 分钟前
Python爬虫实战(七):Selenium自动化采集苏宁易购商品数据
爬虫·python·selenium
Python私教14 小时前
Playwright MCP 用 a11y 树抓页面:比全量 DOM 省 token 的采集 Agent
爬虫
枫叶林FYL17 小时前
项目九:异步高性能爬虫与数据采集中枢 —— 基于 Crawl<sub>4</sub>AI 与 Playwright 的现代化数据采集平台 项目总览
爬虫·python·深度学习·wpf
上海云盾-小余19 小时前
恶意爬虫精准拦截:网站流量净化与资源守护方案
网络·爬虫·web安全
小白学大数据21 小时前
深度探索:Python 爬虫实现豆瓣音乐全站采集
开发语言·爬虫·python·数据分析
烟雨江南aabb1 天前
Python第六弹:python爬虫篇:什么是爬虫
开发语言·爬虫·python
深蓝电商API1 天前
分布式电商爬虫架构:Scrapy-Redis+消息队列的集群部署
分布式·爬虫·架构
WL_Aurora1 天前
Python爬虫实战(六):新发地蔬菜价格数据采集.
爬虫·python
盲敲代码的阿豪1 天前
Python 入门基础教程(爬虫前置版)
开发语言·爬虫·python
深蓝电商API2 天前
电商网站行为检测绕过:鼠标轨迹模拟 + 点击热区分析
爬虫