老男孩教育python培訓教你用python爬蟲開發技術
網絡爬蟲（又被稱爲網頁蜘蛛，網絡機器人，在FOAF社區中間，更經常的稱爲網頁追逐者），是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本。另外一些不常使用的名字還有螞蟻、自動索引、模擬程序或者蠕蟲。下面老男孩python培訓教您怎麼利用好爬蟲。
1.什麼是爬蟲
爬蟲，即網絡爬蟲，大家可以理解爲在網絡上爬行的一直蜘蛛，互聯網就比作一張大網，而爬蟲便是在這張網上爬來爬去的蜘蛛咯，如果它遇到資源，那麼它就會抓取下來。想抓取什麼？這個由你來控制它咯。
比如它在抓取一個網頁，在這個網中他發現了一條道路，其實就是指向網頁的超鏈接，那麼它就可以爬到另一張網上來獲取數據。這樣，整個連在一起的大網對這之蜘蛛來說觸手可及，分分鐘爬下來不是事兒。
2.瀏覽網頁的過程
在用戶瀏覽網頁的過程中，我們可能會看到許多好看的圖片，比如 http://image.baidu.com/ ，我們會看到幾張的圖片以及百度搜索框，這個過程其實就是用戶輸入網址之後，經過DNS服務器，找到服務器主機，向服務器發出一個請求，服務器經過解析之後，發送給用戶的瀏覽器 HTML、JS、CSS 等文件，瀏覽器解析出來，用戶便可以看到形形色色的圖片了。
因此，用戶看到的網頁實質是由 HTML 代碼構成的，爬蟲爬來的便是這些內容，通過分析和過濾這些 HTML 代碼，實現對圖片、文字等資源的獲取。
3.URL的含義
URL，即統一資源定位符，也就是我們說的網址，統一資源定位符是對可以從互聯網上得到的資源的位置和訪問方法的一種簡潔的表示，是互聯網上標準資源的地址。互聯網上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置以及瀏覽器應該怎麼處理它。
URL的格式由三部分組成：
①第一部分是協議(或稱爲服務方式)。
②第二部分是存有該資源的主機IP地址(有時也包括端口號)。
③第三部分是主機資源的具體地址，如目錄和文件名等。
爬蟲爬取數據時必須要有一個目標的URL纔可以獲取數據，因此，它是爬蟲獲取數據的基本依據，準確理解它的含義對爬蟲學習有很大幫助。
4. 環境的配置
學習Python，當然少不了環境的配置，最初我用的是Notepad++，不過發現它的提示功能實在是太弱了，於是，在Windows下我用了PyCharm，在Linux下我用了Eclipse for Python，另外還有幾款比較優秀的IDE，大家可以參考這篇文章 學習Python推薦的IDE 。好的開發工具是前進的推進器，希望大家可以找到適合自己的IDE
本文版權歸老男孩官網所有，歡迎轉載，轉載請註明作者出處。謝謝！
作者：老男孩教育python培訓
首發：http://www.oldboyedu.com/