什么是爬虫？
网络爬虫也叫网络蜘蛛，如果把互联网比喻成一个蜘蛛网，那么蜘蛛就是在网上爬来爬去的蜘蛛，爬虫程序通过请求url地址，根据响应的内容进行解析采集数据，
比如：如果响应内容是html，分析dom结构，进行dom解析、或者正则匹配，如果响应内容是xml/json数据，就可以转数据对象，然后对数据进行解析。
有什么作用？
通过有效的爬虫手段批量采集数据，可以降低人工成本，提高有效数据量，给予运营/销售的数据支撑，加快产品发展。
业界的情况
目前互联网产品竞争激烈，业界大部分都会使用爬虫技术对竞品产品的数据进行挖掘、采集、大数据分析，这是必备手段，并且很多公司都设立了爬虫工程师的岗位
合法性
爬虫是利用程序进行批量爬取网页上的公开信息，也就是前端显示的数据信息。因为信息是完全公开的，所以是合法的。其实就像浏览器一样，浏览器解析响应内容并渲染为页面，而爬虫解析响应内容采集想要的数据进行存储。
反爬虫
爬虫很难完全的制止，道高一尺魔高一丈，这是一场没有硝烟的战争，码农vs码农
反爬虫一些手段：
- 合法检测：请求校验(useragent，referer，接口加签名，等)
- 小黑屋：ip/用户限制请求频率，或者直接拦截
- 投毒：反爬虫高境界可以不用拦截，拦截是一时的，投毒返回虚假数据，可以误导竞品决策
-
... ...
爬虫的基本套路
python爬虫
python写爬虫的优势
- python语法易学，容易上手
- 社区活跃，实现方案多可参考
- 各种功能包丰富
- 少量代码即可完成强大功能
涉及模块包
请求
- urllib
- urllib2
- cookielib
多线程
- threading
正则
- re
json解析
- json
html dom解析
- pyquery
- beautiful soup
操作浏览器
- selenium
以上所述是小编给大家介绍的python爬虫基本套路详解整合，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://blog.csdn.net/fei347795790/article/details/88558931
