Python爬虫学习资料

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。

2.爬虫合法性探究

爬虫究竟是合法还是违法的？

在法律中是不被禁止的

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两个方面：

爬虫干扰了被访问网站的正常运营

爬虫抓取了受到法律保护的特定类型的数据或信息

如何在编写使用的过程中避免进入局子的厄运？

时常优化自己的程序，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或者商业机密等敏感内容，需要及时停止爬取或者传播。

3.爬虫初试深入

爬虫在使用场景中的分类：

通用爬虫：抓取系统的重要组成部分。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：监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。规定了网站中那些数据可以被爬虫爬取，那些数据不允许被爬取。

例如：