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
wuyk5551 天前
Spider-第20讲-综合实战可上线爬虫
大数据·爬虫·python·elasticsearch
wuyk5553 天前
Spider-第16讲-线程池与竞态问题
大数据·爬虫·python·elasticsearch·搜索引擎
wuyk5554 天前
Spider-第14讲-表单提交与CSRF
前端·爬虫·python·elasticsearch·csrf
wuyk5556 天前
Spider-第11讲-工程化改造与可维护性
大数据·爬虫·elasticsearch·搜索引擎
wuyk5556 天前
Spider-第12讲-asyncio异步并发爬取
大数据·爬虫·elasticsearch·搜索引擎
小宋10216 天前
AI 爬虫把大学图书馆站点拖垮:按行为指纹给爬虫分类、按类发配额、用边缘缓存分层,以带宽成本结构和真实用户 P95 延迟定档
人工智能·爬虫·分类
wuyk5557 天前
Spider-第10讲-SQLite持久化与去重
数据库·爬虫·sqlite
wuyk5557 天前
Spider-第09讲-三格式落盘CSV-Excel-JSON
爬虫·python·json·excel
wuyk5558 天前
Spider-第07讲-JSON接口与正则提取
爬虫·python·json
feasibility.8 天前
一物降一物?AI逆向没有终局:REA拆App,BLA设套,LASIK清场
人工智能·爬虫·github·逆向·skill·rea