版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/yexudengzhidao/article/details/86590349
爬虫前奏
爬虫的实际例子：
- 搜索引擎（百度、谷歌、360搜索等）。
- 伯乐在线。
- 惠惠购物助手。
- 数据分析与研究（数据冰山知乎专栏）。
- 抢票软件等。
什么是网络爬虫：
- 通俗理解：爬虫是一个模拟人类请求网站行为的程序。可以自动请求网页、并数据抓取下来，然后使用一定的规则提取有价值的数据。
- 专业介绍：百度百科。
通用爬虫和聚焦爬虫：
- 通用爬虫：通用爬虫是搜索引擎抓取系统（百度、谷歌、搜狗等）的重要组成部分。主要是将互联网上的网页下载到本地，形成一个互联网内容的镜像备份。
- 聚焦爬虫：是面向特定需求的一种网络爬虫程序，他与通用爬虫的区别在于：聚焦爬虫在实施网页抓取的时候会对内容进行筛选和处理，尽量保证只抓取与需求相关的网页信息。
为什么用Python写爬虫程序：
- PHP：PHP是世界是最好的语言，但他天生不是做这个的，而且对多线程、异步支持不是很好，并发处理能力弱。爬虫是工具性程序，对速度和效率要求比较高。
- Java：生态圈很完善，是Python爬虫最大的竞争对手。但是Java语言本身很笨重，代码量很大。重构成本比较高，任何修改会导致代码大量改动。爬虫经常要修改采集代码。
- C/C++：运行效率是无敌的。但是学习和开发成本高。写个小爬虫程序可能要大半天时间。
- Python：语法优美、代码简洁、开发效率高、支持的模块多。相关的HTTP请求模块和HTML解析模块非常丰富。还有Scrapy和Scrapy-redis框架让我们开发爬虫变得异常简单。
准备工具：
- Python3.6开发环境。
- Pycharm 2017 professional版。
- 虚拟环境。`virtualenv/virtualenvwrapper`。