十八、爬蟲介紹
爬蟲介紹:
項目前幾乎搜索引擎都有爬蟲,蜘蛛
公司沒有數據可以通過爬蟲獲取
公司有競爭對手,可以通過爬競爭對手的網站,瞭解他們的動向
數據學習的必備技巧
爬蟲網站:
中國新聞網:(結構簡單,適用於練手)
http://www.chinanews.com/
百思不得:(帶有分頁)
http://www.budejie.com/
豆瓣網:
https://www.douban.com/
工具包介紹:
1、request包:
Requests: HTTP for Humans (適合人類的http請求)
http://www.python-requests.org/ (官網,有中文文檔)
安裝:
pip install requests
2、lxml包:(沒有中文,linux安裝費勁,windows有.exe安裝)
http://lxml.de (官網)
https://pypi.python.org/simple/lxml (下載地址)
request包的使用:
x = get(url,headers,...) (模擬header可以破解反爬蟲)
x.text (對網頁編碼自動解碼,但也有的不能)
x.content (獲取趴下來的原始的文檔)