爬虫基础知识

1、爬虫简介：

• 爬虫的作用：帮助我们把网站信息快速提取并保存
• 爬虫的分类：
  • 通用爬虫
  • 聚集爬虫
• 爬虫的安全知识：目前来说，无明确法律规定，但每个官网都有自己的爬虫协议（网址后面加/robots.txt）
• 爬虫的爬取流程：
  • 1、获取网页
  • 2、提取信息
  • 3、保存数据

2、爬虫必须了解的前端基础：

• HTML是超文本标记语言，主要负责写网页内容，CSS是用来装饰网页的，JS是用来写网页逻辑的。
• HTML中有两类标签：
  • 1、一般标签：在标签内可以添加属性，在标签之间可以写其他标签或内容，如：h1标签
  • 2、自闭合标签：只有一个标签，只能在标签内加属性，如：img标签
• 网页分类：静态网页（数据内容一般在HTML中），动态网页（通过js使网页连接数据库）
• 谷歌浏览器的“开发者工具”无疑是最方便的打开方式：打开谷歌浏览器，右击选择检查
  
• 谷歌浏览器查看网页源代码也非常方便：如上，右击选择查