編程對於任何一個新手來說都不是一件容易的事情，Python對於任何一個想學習的編程的人來說的確是一個福音，閱讀Python代碼像是在閱讀文章，源於Python語言提供了非常優雅的語法，被稱爲最優雅的語言之一。
python入門時
用得最多的還是各類爬蟲腳本，
寫過抓代理本機驗證的腳本、寫過論壇中自動登錄自動發貼的腳本
寫過自動收郵件的腳本、寫過簡單的驗證碼識別的腳本。
這些腳本有一個共性，都是和web相關的，
總要用到獲取鏈接的一些方法，故累積了不少爬蟲抓站的經驗，
在此總結一下，那麼以後做東西也就不用重複勞動了。
很多時候跟着書和網站查找資料學習，會發現沒有目標，學了很多卻不知道自己到底能夠做出什麼成績。要有一個清晰的職業學習規劃，學習過程中會遇到很多問題，你可以到我們的 python學習交流羣【 784758214 】，基礎，進階。從企業招聘人才需求 到怎麼學習python，和學習什麼內容都有免費系統分享，讓你無論是自學還是找相應的培訓都能讓你少走彎路。希望可以幫助你快速瞭解Python，學習python
1、基本抓取網頁
get方法
post方法
2.使用代理服務器
這在某些情況下比較有用，
比如IP被封了，或者比如IP訪問的次數受到限制等等。
3.Cookies處理
是的沒錯，如果想同時用代理和cookie，
那就加入proxy_support然後operner改爲 ，如下：
4.僞裝成瀏覽器訪問
某些網站反感爬蟲的到訪，於是對爬蟲一律拒絕請求。
這時候我們需要僞裝成瀏覽器，
這可以通過修改http包中的header來實現：
5、頁面解析
對於頁面解析最強大的當然是正則表達式，
這個對於不同網站不同的使用者都不一樣，就不用過多的說明。
其次就是解析庫了，常用的有兩個lxml和BeautifulSoup。
對於這兩個庫，我的評價是，
都是HTML/XML的處理庫，Beautifulsoup純python實現，效率低，
但是功能實用，比如能用通過結果搜索獲得某個HTML節點的源碼；
lxmlC語言編碼，高效，支持Xpath。
6.驗證碼的處理
碰到驗證碼咋辦？
這裏分兩種情況處理：
google那種驗證碼，沒辦法。
簡單的驗證碼：字符個數有限，只使用了簡單的平移或旋轉加噪音而沒有扭曲的，
這種還是有可能可以處理的，一般思路是旋轉的轉回來，噪音去掉，
然後劃分單個字符，劃分好了以後再通過特徵提取的方法(例如PCA)降維並生成特徵庫，
然後把驗證碼和特徵庫進行比較。
這個比較複雜，這裏就不展開了，
具體做法請弄本相關教科書好好研究一下。
7. gzip/deflate支持
現在的網頁普遍支持gzip壓縮，這往往可以解決大量傳輸時間，
以VeryCD的主頁爲例，未壓縮版本247K，壓縮了以後45K，爲原來的1/5。
這就意味着抓取速度會快5倍。
然而python的urllib/urllib2默認都不支持壓縮
要返回壓縮格式，必須在request的header裏面寫明’accept-encoding’，
然後讀取response後更要檢查header查看是否有’content-encoding’一項來判斷是否需要解碼，很繁瑣瑣碎。
如何讓urllib2自動支持gzip, defalte呢？
其實可以繼承BaseHanlder類，
然後build_opener的方式來處理：
8、多線程併發抓取
單線程太慢的話，就需要多線程了，
這裏給個簡單的線程池模板 這個程序只是簡單地打印了1-10，
但是可以看出是併發的。
雖然說Python的多線程很雞肋
但是對於爬蟲這種網絡頻繁型，
還是能一定程度提高效率的。
9. 總結
閱讀Python編寫的代碼感覺像在閱讀英語一樣，這讓使用者可以專注於解決問題而不是去搞明白語言本身。
Python雖然是基於C語言編寫，但是摒棄了C中複雜的指針，使其變得簡明易學。
並且作爲開源軟件，Python允許對代碼進行閱讀，拷貝甚至改進。
這些性能成就了Python的高效率，有“人生苦短，我用Python”之說，是一種十分精彩又強大的語言。
總而言之，開始學Python一定要注意這4點：
1.代碼規範，這本身就是一個非常好的習慣，如果開始不養好好的代碼規劃，以後會很痛苦。
2.多動手，少看書，很多人學Python就一味的看書，這不是學數學物理，你看例題可能就會了，學習Python主要是學習編程思想。
3.勤練習，學完新的知識點，一定要記得如何去應用，不然學完就會忘，學我們這行主要都是實際操作。
4.學習要有效率，如果自己都覺得效率非常低，那就停不停，找一下原因，去問問過來人這是爲什麼。