|
|
51CTO旗下网站
|
|
移动端

华为官方解析何为Python爬虫

随着信息化社会的到来,人们对网络爬虫这个词已经不再陌生。但什么是爬虫,如何利用爬虫为自己服务,这些在ICT技术小白听起来又有些高入云端。不用愁,下面一文带你走近爬虫世界,让即使身为ICT技术小白的你,也能秒懂使用Python爬虫高效抓取图片。

作者:沧海来源:IT之家|2019-07-08 15:49

据华为中国官方消息,今日,华为中国发文《小白看过来,让Python爬虫成为你的好帮手》,文中详细介绍了Python爬虫的工作原理,我们来看一下吧。

华为官方解析何为Python爬虫

以下为《小白看过来,让Python爬虫成为你的好帮手》全文:

随着信息化社会的到来,人们对网络爬虫这个词已经不再陌生。但什么是爬虫,如何利用爬虫为自己服务,这些在ICT技术小白听起来又有些高入云端。不用愁,下面一文带你走近爬虫世界,让即使身为ICT技术小白的你,也能秒懂使用Python爬虫高效抓取图片。

什么是专用爬虫?

网络爬虫是一种从互联网抓取数据信息的自动化程序。如果我们把互联网比作一张大的蜘蛛网,数据便是存放于蜘蛛网的各个节点,而爬虫就是一只小蜘蛛(程序),沿着网络抓取自己的猎物(数据)。

爬虫可以在抓取过程中进行各种异常处理、错误重试等操作,确保爬取持续高效地运行。它分为通用爬虫和专用爬虫。通用爬虫是捜索引擎抓取系统的重要组成部分,主要目的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;专用爬虫主要为某一类特定的人群提供服务,爬取的目标网页定位在与主题相关的页面中,节省大量的服务器资源和带宽资源。比如要获取某一垂直领域的数据或有明确的检索需求,此时就需要过滤掉一些无用的信息。

爬虫工作原理

爬虫可以根据我们提供的信息从网页上获取大量的图片,它的工作原理是什么呢?

爬虫首先要做的工作是获取网页的源代码,源代码里包含了网页的部分有用信息;之后爬虫构造一个请求并发送给服务器,服务器接收到响应并将其解析出来。实际上,获取网页——分析网页源代码——提取信息,便是爬虫工作的三部曲。如何提取信息?最通用的方法是采用正则表达式。网页结构有一定的规则,还有一些根据网页节点属性、CSS选择器或XPath来提取网页信息的库,如Requests、pyquery、lxml等,使用这些库,便可以高效快速地从中提取网页信息,如节点的属性、文本值等,并能简单保存为TXT文本或JSON文本,这些信息可保存到数据库,如MySQL和MongoDB等,也可保存至远程服务器,如借助SFTP进行操作等。提取信息是爬虫非常重要的作用,它可以使杂乱的数据变得条理清晰,以便我们后续处理和分析数据。

【编辑推荐】

  1. Python 从爬虫到数据分析
  2. 这个用Python写的开源爬虫网站 让你秒搜所有豆瓣好书
  3. 2019 网络爬虫和相关工具
  4. GitHub上有哪些好用的爬虫
  5. Python爬虫抓取技术的门道
【责任编辑:未丽燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

16招轻松掌握PPT技巧

16招轻松掌握PPT技巧

GET职场加薪技能
共16章 | 晒书包

347人订阅学习

20个局域网建设改造案例

20个局域网建设改造案例

网络搭建技巧
共20章 | 捷哥CCIE

704人订阅学习

WOT2019全球人工智能技术峰会

WOT2019全球人工智能技术峰会

通用技术、应用领域、企业赋能三大章节,13大技术专场,60+国内外一线人工智能精英大咖站台,分享人工智能的平台工具、算法模型、语音视觉等技术主题,助力人工智能落地。
共50章 | WOT峰会

0人订阅学习

读 书 +更多

ASP.NET 2.0数据库开发实例精粹

本书分为8章,首先介绍ASP.NET的开发技巧和重点技术,尤其针对初学者如何快速入门并掌握ASP.NET编程做了深入浅出的介绍;然后重点介绍ASP.N...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客