爬虫通俗来说就是抓取网页数据，比如说大家都喜欢的妹子图、小视频呀，还有电子书、文字评 论、商品详情等等。 只要网页上有的，都可以通过爬虫爬取下来。

一般而言，python爬虫需要以下几步：

1. 找到需要爬取内容的网页URL

2. 打开该网页的检查页面（即查看HTML代码，按F12快捷键即可进入）

3. 在HTML代码中找到你要提取的数据

4. 写python代码进行网页请求、解析

5. 存储数据 当然会撸python是前提，对于小白来说自学也不是件容易的事，需要花相当的时间去适应python 的语法逻辑，而且要坚持亲手敲代码，不断练习。 如果对自己没有自信，也可以考虑看编程课程，跟着老师的节奏去学习，能比较快地掌握python语 法体

前戏： 1.你是否在夜深人静的时候，想看一些会让你更睡不着的图片却苦于没有资源… 2.你是否在节假日出行高峰的时候，想快速抢购火车票成功… 3.你是否在网上购物的时候，想快速且精准的定位到口碑质量最好的商品…

什么是爬虫： – 通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程。

爬虫的价值： – 实际应用 – 就业

爬虫究竟是合法还是违法的？ – 在法律中是不被禁止 – 具有违法风险 – 善意爬虫 恶意爬虫

爬虫带来的风险可以体现在如下2方面： – 爬虫干扰了被访问网站的正常运营 – 爬虫抓取了收到法律保护的特定类型的数据或信息

如何在使用编写爬虫的过程中避免进入局子的厄运呢？ – 时常的优化自己的程序，避免干扰被访问网站的正常运行 – 在使用，传播爬取到的数据时，审查抓取到的内容，如果发现了涉及到用户隐私 商业机密等敏感内容需要及时停止爬取或传播

爬虫在使用场景中的分类 – 通用爬虫： 抓取系统重要组成部分。抓取的是一整张页面数据。 – 聚焦爬虫： 是建立在通用爬虫的基础之上。抓取的是页面中特定的局部内容。 – 增量式爬虫： 检测网站中数据更新的情况。只会抓取网站中最新更新出来的数据。

爬虫的矛与盾

反爬机制 门户网站，可以通过制定相应的策略或者技术手段，防止爬虫程序进行网站数据的爬取。

反反爬策略 爬虫程序可以通过制定相关的策略或者技术手段，破解门户网站中具备的反爬机制，从而可以获取门户网站中相关的数据。

robots.txt协议： 君子协议。规定了网站中哪些数据可以被爬虫爬取哪些数据不可以被爬取。

http协议 – 概念：就是服务器和客户端进行数据交互的一种形式。 常用请求头信息 – User-Agent：请求载体的身份标识 – Connection：请求完毕后，是断开连接还是保持连接

常用响应头信息 – Content-Type：服务器响应回客户端的数据类型

https协议： – 安全的超文本传输协议

加密方式 – 对称秘钥加密 – 非对称秘钥加密 – 证书秘钥加密