一、前言
你是不是在為想收集數(shù)據(jù)而不知道如何收集而著急怜姿？
你是不是在為想學習爬蟲而找不到一個專門為小白寫的教程而煩惱？
Bingo! 你沒有看錯，這就是專門面向小白學習爬蟲而寫的蚕钦！我會采用實例的方式，把每個部分都跟實際的例子結合起來幫助小伙伴兒們理解鹅很。最后再寫幾個實戰(zhàn)的例子嘶居。
我們使用Python來寫爬蟲，一方面因為Python是一個特別適合變成入門的語言促煮，另一方面邮屁，Python也有很多爬蟲相關的工具包，能夠簡單快速的開發(fā)出我們的小爬蟲菠齿。
本系列采用Python3.5版本佑吝，畢竟2.7會慢慢退出歷史舞臺~
那么，接下來绳匀，你得知道什么是爬蟲芋忿、爬蟲從哪里爬取數(shù)據(jù)的，以及疾棵，學習爬蟲都要學習哪些東西戈钢。
二、什么是爬蟲
來看看百度百科是如何定義的
網(wǎng)絡爬蟲（又被稱為網(wǎng)頁蜘蛛是尔，網(wǎng)絡機器人殉了，在FOAF社區(qū)中間，更經(jīng)常的稱為網(wǎng)頁追逐者）拟枚，是一種按照一定的規(guī)則薪铜，自動地抓取萬維網(wǎng)信息的程序或者腳本。另外一些不常使用的名字還有螞蟻恩溅、自動索引痕囱、模擬程序或者蠕蟲。
什么暴匠？沒看懂鞍恢？沒關系，我來給你解釋一下
打開一個網(wǎng)頁，里面有網(wǎng)頁內容吧帮掉，想象一下弦悉，有個工具，可以把網(wǎng)頁上的內容獲取下來蟆炊，存到你想要的地方稽莉，這個工具就是我們今天的主角：爬蟲。
這樣是不是更清晰了呢涩搓？
既然了解了爬蟲是什么污秆，那么爬蟲是如何爬取數(shù)據(jù)的呢？
三昧甘、爬蟲是哪里爬取數(shù)據(jù)的
打開瀏覽器（強烈建議谷歌瀏覽器）良拼，找到瀏覽器地址欄，然后在里敲music.163.com充边，你會看到網(wǎng)頁內容庸推。
欸，圖片中間那倆人在干嘛浇冰？（單身狗請主動防御贬媒，這是誤傷，這真的是誤傷Ｖ庀啊）
鼠標在頁面上點擊右鍵际乘，然后點擊view page source∑澹看到這些文字了嗎蚓庭？這才是網(wǎng)頁最赤果果的樣子。
其實所有的網(wǎng)頁都是HTML代碼仅仆，只不過瀏覽器將這些代碼解析成了上面的網(wǎng)頁，我們的小爬蟲抓取的其實就是HTML代碼中的文本啦垢袱。
這不合理啊墓拜，難不成那些圖片也是文本？
恭喜你请契，答對了咳榜。回到瀏覽器中有圖的哪個tab頁爽锥，鼠標右鍵涌韩，點擊Inspect。會彈出一個面板氯夷，點擊板左上角的箭頭臣樱，點擊虐狗圖片，你會看到下面有紅圈圈的地方，是圖片的網(wǎng)絡地址雇毫。圖片可以通過該地址保存到本地哦玄捕。
你猜的沒錯，我們的小爬蟲抓取的正是網(wǎng)頁中的數(shù)據(jù)棚放，你要知道你想要抓取什么數(shù)據(jù)枚粘，你的目標網(wǎng)站是什么，才可以把想法變成現(xiàn)實的哦飘蚯。你不能說馍迄，我想要這個這個，還有這個局骤，然后數(shù)據(jù)就自動來了攀圈。。庄涡。(是不是讓你想起了你的導師或老板量承？)
四、學習爬蟲的必備知識
大家要先對以下內容有一定的了解再來學習爬蟲哦穴店，磨刀不誤砍柴工
HTML
這個能夠幫助你了解網(wǎng)頁的結構撕捍，內容等∑矗可以參考W3School的教程忧风。Python
如果有編程基礎的小伙伴兒，推薦看一個廖雪峰的Python教程就夠了
沒有編程基礎的小伙伴球凰，推薦看看視頻教程（網(wǎng)易云課堂搜Python）狮腿，然后再結合廖雪峰的教程，雙管齊下呕诉。
其實知乎上總結的已經(jīng)非常好了缘厢，我就不多嘮叨了。知乎-如何系統(tǒng)的自學PythonTCP/IP協(xié)議甩挫，HTTP協(xié)議
這些知識能夠讓你了解在網(wǎng)絡請求和網(wǎng)絡傳輸上的基本原理贴硫，了解就行，能夠幫助今后寫爬蟲的時候理解爬蟲的邏輯伊者。
廖雪峰Python教程里也有簡單介紹英遭，可以參考：TCP/IP簡介，HTTP協(xié)議
想更深入學習的小伙伴兒可以去網(wǎng)上多搜搜相關的書籍哦
OK, 下一篇就開始我們的實戰(zhàn)啦
