| python 爬虫介绍入门 | 您所在的位置：网站首页 › python37网络爬虫快速入门 › python 爬虫介绍入门 |
python 爬虫介绍入门
|
一、前戏:
1.你是否在夜深人静的时候，想看一些会让你更睡不着的图片却苦于没有资源… 2.你是否在节假日出行高峰的时候，想快速抢购火车票成功… 3.你是否在网上购物的时候，想快速且精准的定位到口碑质量最好的商品… 二、什么是爬虫:通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程。 三、爬虫的价值:一实际应用一就业 四、爬虫究竟是合法还是违法的? 一在法律中是不被禁止 一具有违法风险 一善意爬虫恶意爬虫 五、爬虫带来的风险可以体现在如下2方面: 一爬虫干扰了被访问网站的正常运营 一爬虫抓取了收到法律保护的特定类型的数据或信息l 六、爬虫在使用场景中的分类一通用爬虫: 抓取系统重要组成部分。抓取的是一整张页面数据。 一聚焦爬虫: 是建立在通用爬虫的基础之上。抓取的是页面中特定的局部内容。 —增量式爬虫: 七、反爬机制门户网站，可以通过制定相应的策略或者技术手段，防止爬虫程序进行网站数据的爬取。 八、反反爬策略爬虫程序可以通过制定相关的策略或者技术手段，破解门户网站中具备的反爬机制从而可以获取门户 九、robots数据协议君子协议：规定了网站中哪些数据可以被爬虫爬取哪些数据不可以被爬取。 例如在www.taobao.com/robots.txt下 安全的超文本传输协议 十二、加密方式（三种）： （1）对称秘钥加密 客户端上传服务器信息时对信息进行加锁，同时把密钥也打包传输给服务器
requests模块: python中原生的一款基于网络请求的模块，功能非常强大，简单便捷,效率极高。 作用:模拟浏览器发请求。 如何使用:分四步 一指定url 一发起请求 一获取响应数据 —持久化存储 # 需求:爬取百度首页的页面数据 import requests if __name__=="__main__": #step 1指定uclI url = 'https://www.baidu.com/' # step_2:发起请求 #get方法会返回一介响应对象 response =requests.get(url=url) # step3:获取响应数据text返回的是宝符患形式的响应数据 page_text =response.text print(page_text) # 共step_4:持久化存储 with open('./baidu.html','w',encoding='utf-8') as fp: fp.write(page_text) print('爬取数据结束!!!')
|
缺点：在文件传输的时候被截断，密钥就被人获取。安全性很差 所以推出了非对称秘钥加密。 （2）非对称秘钥加密 
服务器的开发者携带公开密钥，向数字证书认证机构提出公开密钥的申请，数字证书认证机构在认清申请者的身份,审核通过以后，会对开发者申请的公开密钥做数字签名，然后分配这个已签名的公开密钥，并将密钥放在证书里面，绑定在一起 服务器将这份数字证书发送给客户端，因为客户端也认可证书机构，客户端可以通过数字证书中的数字签名来验证公钥的真伪，来确保服务器传过来的公开密钥是真实的。一般情况下，证书的数字签名是很难被伪造的，这取决于认证机构的公信力。一旦确认信息无误之后，客户端就会通过公钥对报文进行加密发送，服务器接收到以后用自己的私钥进行解密。
【本文地址】