网络爬虫概念

网络爬虫也称为网络蜘蛛，它是指通过脚本程序，根据某种规则在网络上爬行所需的东西。大家都知道，每一个网页都包含了其他网页的入口，而网络爬虫通过一个网址依次进入其他网站来获取所需的内容。

网络爬虫组成

爬行器调度程序(程序入口，用动整个程序)

url管理器(用于管理未爬行的url和已爬行的url)

web下载器(用于下载web内容进行分析)

网页解析器(用于分析下载的网页，获取新的网址和所需内容)

网页输出器(用于以文件的形式输出获得的内容)

网络爬虫设计理念

（1）先确定需要爬取的网页URL地址。

（2）通过HTTP/HTTP协议获得相应的HTML页面。

（3）在HTML页面中提取有用数据：

如果是必要的数据，保存。

如果是页面中的其他URL，则继续执行第二步。

以上就是网络爬虫的介绍，通过本篇的学习，我们可以对python爬虫有一个初步的了解。