python技術中最為津津樂道的技術就是爬蟲了，提到python爬蟲相信大家就算沒用過也有聽說過，今天小千就來給大家介紹一下關于python爬蟲的那點事，小白同學注意好好聽，拿好小本本記筆記啦。

      什么是python爬蟲？

      網絡爬蟲，英文名為Spider,又稱為網頁蜘蛛，網絡機器人，在數據分析應用中，更多的將爬蟲稱為數據采集程序，是一種按照一定的規則，自動地抓取網絡信息的程序或者腳本。

      原則上,只要是客戶端(瀏覽器)能做的事情，爬蟲都能夠做

      爬蟲也只能獲取客戶端(瀏覽器)所展示出來的數據

      網絡中的數據可以是由web服務器【Nginx/Apache】，數據庫服務【MySQL/Redis/MongoDB】，索引庫，大數據，視頻/圖片庫，云存儲【阿里云的OSS】等提供的,最主要的來源是Web服務器

      不過，大家一定要注意哦，可爬取的數據必須是公開的，非盈利的，如：如果侵入人家非公開的網絡，人家會通過ip定位到你，屬于違法行為的哦，再或者，一些理財的網站，如果爬取數據，肯定是不可以的，如果小伙伴們不聽話，非要去爬取，那任何人都是保護不了你的哦，狗頭保命~~~

      有名的爬蟲案件：簡歷大數據公司“巧達科技”被一鍋端、“車來了”涉嫌偷數據被警方立案等

      爬蟲都有哪幾種？

python培訓爬蟲分類" />

      通用爬蟲：

      通用網絡爬蟲從互聯網中搜集網頁，采集信息，這些網頁信息決定著整個引擎系統的內容是否豐富，信息是否即時，因此其性能的優劣直接影響著搜索引擎的效果

      大家要注意哦，通用爬蟲雖然簡單，方便，但是缺點也是顯而易見的，小助手給大家列舉了幾點，大家可以了解一下：

      1.通用搜索引擎所返回的結果都是網頁，而大多情況下，網頁里90%的內容對用戶來說都是無用的。

      2.不同領域、不同背景的用戶往往具有不同的檢索目的和需求，搜索引擎無法提供針對具體某個用戶的搜索結果。

      3.萬維網數據形式的豐富和網絡技術的不斷發展，圖片、數據庫、音頻、視頻多媒體等不同數據大量出現，通用搜索引擎對這些文件無能為力，不能很好地發現和獲取。

      4.通用搜索引擎大多提供基于關鍵字的檢索，難以支持根據語義信息提出的查詢，無法準確理解用戶的具體需求。

      聚焦爬蟲：

      聚焦爬蟲，是"面向特定主題需求"的一種網絡爬蟲程序，它與通用搜索引擎爬蟲的區別在于： 聚焦爬蟲在實施網頁抓取時會對內容進行處理篩選，盡量保證只抓取與需求相關的網頁信息, 如12306搶票，或專門抓取某一個（某一類）網站數據

      1.根據是否以獲取數據為目的，可以分為：功能性爬蟲，給你喜歡的明星投票、點贊。數據增量爬蟲，比如招聘信息

      2.根據url地址和對應的頁面內容是否改變，數據增量爬蟲可以分為：基于url地址變化、內容也隨之變化的數據增量爬蟲。url地址不變、內容變化的數據增量爬蟲

      爬蟲能干什么？

      1. 數據采集,比如：抓取微博評論(機器學習輿情監控)、抓取招聘網站的招聘信息(數據分析、挖掘)、新浪滾動新聞、百度新聞網站

      2. 軟件測試：爬蟲之自動化測試

      自動化測試所必需的selenium . selenium是一個用于Web應用程序測試的工具,selenium 測試直接運行在瀏覽器中,就像真正的用戶在操作一樣。 支持的瀏覽器包括IE,chrome和Firefox等。其實就是借助于selenium做爬蟲的事情。

      3. 搶票和投票

      4. 網絡安全：短信轟炸、web漏洞掃描

      以上就是關于python爬蟲的那點事了，最后歡迎對python爬蟲感興趣的同學來到千鋒python培訓班了解一下我們的python培訓課程，全程名師面授，還有免費python學習資料可以領取，感興趣就趕緊來看一看吧。