本文章属于爬虫入门到精通系统教程第四讲 在爬虫入门到精通第二讲中，我们了解了HTTP协议，那么我们现在使用这些协议来快速爬虫吧 本文的目标 当你看完本文后，你应该能爬取（几乎）任何的网页 使用chrome抓包 抓包（packet capture）就是将网络传输发送与接收的数据包进行截获、重发、编辑、转存等操作，也用来检查网络安全。抓包也经常被用来进行数据截取等。 第一个案列：抓取轮子哥的动态 1. 打开轮子哥动态这个网页 2. 打开抓包工具 * 点击F12打开开发者工具 * 点击Network(或者网络) * 按F5刷新下页面（主要是让请求重发一次，这样就能抓到包了） *

继续阅读全文 »

什么是HTTP协议？ 引用自维基百科 超文本传输协议（英文：HyperText Transfer Protocol，缩写：HTTP）是互联网上应用最为广泛的一种网络协议。设计HTTP最初的目的是为了提供一种发布和接收HTML页面的方法。通过HTTP或者HTTPS协议请求的资源由统一资源标识符（Uniform Resource Identifiers，URI）来标识。 HTTP的发展是由蒂姆·伯纳斯-李于1989年在欧洲核子研究组织（CERN）所发起。由万维网协会（World Wide Web Consortium，W3C）和互联网工程任务组（Internet Engineering Task

继续阅读全文 »

IDE的安装 IDE我用的是VS code，也用过pycharm（但是电脑配置不行，比较卡） VScode安装教程在这,写的蛮清楚的 然后安装一个python的插件就行 见如下截图 * 点击数字1的地方 * 在数字2的地方输入python * 点击python 0.5.8 右边的安装按钮 包的安装 配置pip源，不配置的话下载速度很慢 windows:在当前用户根目录下，创建.pip和这个文件夹，然后在里面新建一个文件pip.in 里面的内容为 [global] index-url = http://mirrors.aliyun.com/pypi/simple/ [instal

继续阅读全文 »

引言 我经常会看到有人在知乎上提问如何入门 Python 爬虫？、Python 爬虫进阶？、利用爬虫技术能做到哪些很酷很有趣很有用的事情？等这一些问题，我写这一系列的文章的目的就是把我是如何学习爬虫，爬虫的技巧告诉大家. 什么是爬虫? 引用自维基百科 网络蜘蛛（Web spider）也叫网络爬虫（Web crawler），蚂蚁（ant），自动检索工具（automatic indexer），或者（在FOAF软件概念中）网络疾走（WEB scutter），是一种“自动化浏览网络”的程序，或者说是一种网络机器人。它们被广泛用于互联网搜索引擎或其他类似网站，以获取或更新这些网站的内容和检索方式。它

继续阅读全文 »