爬虫可以干什么？
爬虫可以干什么？
－－－－－
网友解答：
－－－－－
本人刚刚跨专业到大数据方向，每天就是跟各种各样的数据打交道，数据采集令人头疼，于是硬着头皮去尝试各式各样的爬虫工具，可大都操作繁琐，要不就是采集精度不够，直到在B站看教程时看到前嗅forespider的教程时，才发现这款实用又好用的宝藏软件。
与之前试用过的其他爬虫软件对比，前嗅ForeSpider爬虫有自己的可视化配置模板，不仅对小白十分友好，更让实力选手省心节力。下面我就以人上人体验教育网（网址：http:www.gzrsr.comnews）来演示一下自己当时学习的步骤：
可视化模板下的翻页链接抽取配置
1.【复制网页】
找到自己想要获取内容所在的网站，复制网址
2.【新建任务】
打开forespider程序；点击“采集配置”--点击“+”新建任务-在弹出的任务窗口内粘入刚刚复制的网站链接，并修改任务名称--点击完成
3.【抽取网页链接】
①点击模板配置下“添加链接抽取”按钮；分别将两个抽取链接命名为：翻页链接、列表链接
②点击“翻页链接”选项--Ctrl+鼠标左键 选取一个翻转页，shift+鼠标左键扩大至翻转页选区--点击“确认选区”，点击保存。
③点击“翻页链接”，在关联模板下拉选择“默认模板：01”；点击保存。此时，就完成了翻转页链接的抽取设置，可以点击“采集预览”对采集结果进行查看。
④列表链接抽取
可视化模板下的数据抽取配置
1.【创建数据表单】
数据建表--创建表单并更改名称--创建数据表结构--根据需求设置相应字段，最后保存
2.【创建数据表】
3.【关联数据表】
①如下，令模板关联数据表
②点击“列表链接”，在关联模板下拉选择“新建模板02”，点击保存
③如下配置示例地址
4.【定位数据】
①如下图依次将每个字段对应定位
②此处展开讲一个细节：当对所需字段定位选区时不可避免的选取到了不想要的内容时，可以通过字段属性配置里的数据清洗功能对所需内容进行相应的字符串截取。
以发表日期字段数据为例，此处需截取中间串来抽取该数据内容，如下：
如果需要选取右串数据，则如下设置（取左串同理）：
5.采集预览
点击模板抽取配置下第一个标题，右键单击并选择“模板预览”，即可看到想要的数据，这样就完成了模板配置。
数据采集与展示
1.选取“关联数据表”，为将要采取的数据关联数据表
2.开启数据采集，如下：
3.浏览查看采集到的数据：
以上，就完成了数据采集模板的配置、数据采集与数据浏览。可以看到，可视化的数据采集模板配置起来很便捷，配置以及采集功能的操作非常智能，可实现的采集要求也十分全面。
－－－－－
网友解答：
－－－－－
现在互联网行业这么发达,每天在互联网上出现的数据不计其数.我们仅以一个网站来说,他每天的信息变化就很多.你要想靠人工去收集这些信息,肯定不现实的.这就出现了爬虫技术.我们让机器来帮助我们收集信息.这样就可以不肥力气掌握一点信息了.
爬虫主要还是用来抓数据的,那我们可能有疑问,数据有什么用.当然,对于我们这种平头老百姓,再多的数据也不过是文字.但是对于一些企业.有了这些数据就可以做分析.可以批量加工成自己的信息.
当然你爬虫,你也可以爬自己的api接口,这就演变出来自动化测试的东西.
爬虫这种事,毕竟是`窃取`别人的东西,自己偷偷的爬点小电影啥的玩玩就好,不能搞太大,搞太大,就有人搞你了 .哈哈~~
－－－－－
网友解答：
－－－－－
爬虫是用来抓数据的。
－－－－－
网友解答：
－－－－－
呵呵呵，你说呢，问这个问题你是小白吗？
爬虫可以抓取网络上的数据啊。爬虫可以用很多种编程语言实现,python只是一种。所以你想知道的是网络爬虫可以干什么。
他比如证券交易数据,天气数据,网站用户数据,图片。
拿到这些数据之后你就可以做下一步工作了。
网络爬虫，即Web Spider，是一个很形象的名字。
把互联网比喻成一个蜘蛛网，那么Spider就是在网上爬来爬去的蜘蛛。
网络蜘蛛是通过网页的链接地址来寻找网页的。
从网站某一个页面（通常是首页）开始，读取网页的内容，找到在网页中的其它链接地址，
然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。网络爬虫就是一个爬行程序，一个抓取网页的程序。
网络爬虫的基本操作是抓取网页。
那么如何才能随心所欲地获得自己想要的页面？
我们先从URL开始。
二、浏览网页的过程
抓取网页的过程其实和读者平时使用IE浏览器浏览网页的道理是一样的。
比如说你在浏览器的地址栏中输入 www.baidu.com 这个地址。
打开网页的过程其实就是浏览器作为一个浏览的“客户端”，向服务器端发送了 一次请求，把服务器端的文件“抓”到本地，再进行解释、展现。
HTML是一种标记语言，用标签标记内容并加以解析和区分。
浏览器的功能是将获取到的HTML代码进行解析，然后将原始的代码转变成我们直接看到的网站页面。
三、URI和URL的概念和举例
简单的来讲，URL就是在浏览器端输入的 http:www.baidu.com 这个字符串。
在理解URL之前，首先要理解URI的概念。
什么是URI？
Web上每种可用的资源，如 HTML文档、图像、视频片段、程序等都由一个通用资源标志符(Universal Resource Identifier， URI)进行定位。
URI通常由三部分组成：
①访问资源的命名机制；
②存放资源的主机名；
③资源自身 的名称，由路径表示。
如下面的URI：http:www.why.com.cnmyhtmlhtml1223
我们可以这样解释它：
①这是一个可以通过HTTP协议访问的资源，
②位于主机 www.webmonkey.com.cn上，
③通过路径“htmlhtml40”访问。
什么是爬虫？你了解吗？能干什么？怎么用？让你了解本质
四、URL的理解和举例
URL是URI的一个子集。它是Uniform Resource Locator的缩写，译为“统一资源定位 符”。
通俗地说，URL是Internet上描述信息资源的字符串，主要用在各种WWW客户程序和服务器程序上。
采用URL可以用一种统一的格式来描述各种信息资源，包括文件、服务器的地址和目录等。
URL的一般格式为(带方括号[]的为可选项)：
protocol : hostname[:port] path [;parameters][？query]#fragment
URL的格式由三部分组成：
①第一部分是协议(或称为服务方式)。
②第二部分是存有该资源的主机IP地址(有时也包括端口号)。
③第三部分是主机资源的具体地址，如目录和文件名等。
第一部分和第二部分用“:”符号隔开，
第二部分和第三部分用“”符号隔开。
第一部分和第二部分是不可缺少的，第三部分有时可以省略。
五、URL和URI简单比较
URI属于URL更低层次的抽象，一种字符串文本标准。
换句话说，URI属于父类，而URL属于URI的子类。URL是URI的一个子集。
URI的定义是：统一资源标识符；
URL的定义是：统一资源定位符。
二者的区别在于，URI表示请求服务器的路径，定义这么一个资源。
而URL同时说明要如何访问这个资源（http:）。
下面来看看两个URL的小例子。
1.HTTP协议的URL示例：
使用超级文本传输协议HTTP，提供超级文本信息服务的资源。
例：http:www.peopledaily.com.cnchannelwelcome.htm
其计算机域名为www.peopledaily.com.cn。
超级文本文件(文件类型为.html)是在目录 channel下的welcome.htm。
这是中国人民日报的一台计算机。
例：http:www.rol.cn.NETtalktalk1.htm
其计算机域名为www.rol.cn.Net。
超级文本文件(文件类型为.html)是在目录talk下的talk1.htm。
这是瑞得聊天室的地址，可由此进入瑞得聊天室的第1室。
2．文件的URL
用URL表示文件时，服务器方式用file表示，后面要有主机IP地址、文件的存取路 径(即目录)和文件名等信息。
有时可以省略目录和文件名，但“”符号不能省略。
例：file:ftp.yoyodyne.compubfilesfoobar.txt
上面这个URL代表存放在主机ftp.yoyodyne.com上的pubfiles目录下的一个文件，文件名是foobar.txt。
例：file:ftp.yoyodyne.compub
代表主机ftp.yoyodyne.com上的目录pub。
例：file:ftp.yoyodyne.com
代表主机ftp.yoyodyne.com的根目录。
爬虫最主要的处理对象就是URL，它根据URL地址取得所需要的文件内容，然后对它 进行进一步的处理。
因此，准确地理解URL对理解网络爬虫至关重要。
－－－－－
网友解答：
－－－－－
爬数据出来
－－－－－
网友解答：
－－－－－
爬虫，又叫spider，是在互联网行业抓取公开数据的一种自动化工具。
在搜索、新闻资讯或电商等行业，是一种常见的获取大数据的行为。
一般通过爬虫在抓取行业数据后，做直接转发或者保存到自己的服务器中做二次加工，作为自己产品的一部分。
如果数据用来从事商业行为，请务必重视版权问题，特别是利用、加工处理别人的数据，需要得到授权，并明确标注来源，否则会有法律风险。
我是一个产品研发老兵，请关注产品研发那点事，不断分享大厂的亲身经历。
--------------河南新华
－－－－－
网友解答：
－－－－－
1、收集数据
Python爬虫程序可用于收集数据，这是最直接和最常用的方法。由于爬虫程序是一个程序，程序运行得非常快，不会因为重复的事情而感到疲倦，因此使用爬虫程序获取大量数据变得非常简单、快速。
2、数据储存
Python爬虫可以将从各个网站收集的数据存入原始页面数据库。其中的页面数据与用户浏览器得到的HTML是完全一样的。注意：搜索引擎蜘蛛在抓取页面时，也做一定的重复内容检测，一旦遇到访问权限很低的网站上有大量抄袭、采集或者复制的内容，很可能就不再爬行。
3、网页预处理
Python爬虫可以将爬虫抓取回来的页面，进行各种步骤的预处理。比如提取文字、中文分词、消除噪音、索引处理、特殊文字处理等。
4、提供检索服务、网站排名
Python爬虫在对信息进行组织和处理之后，为用户提供关键字检索服务，将用户检索相关的信息展示给用户。同时可以根据页面的PageRank 值来进行网站排名，这样Rank值高的网站在搜索结果中会排名较前，当然也可以直接使用Money购买搜索引擎网站排名。
5、科学研究
在线人类行为、在线社群演化、人类动力学研究、计量社会学、复杂网络、数据挖掘等领域的实证研究都需要大量数据，Python爬虫是收集相关数据的利器。
－－－－－
网友解答：
－－－－－
现在互联网行业这么发达,每天在互联网上出现的数据不计其数.我们仅以一个网站来说,他每天的信息变化就很多.你要想靠人工去收集这些信息,肯定不现实的.这就出现了爬虫技术.我们让机器来帮助我们收集信息.这样就可以不肥力气掌握一点信息了.
爬虫主要还是用来抓数据的,那我们可能有疑问,数据有什么用.当然,对于我们这种平头老百姓,再多的数据也不过是文字.但是对于一些企业.有了这些数据就可以做分析.可以批量加工成自己的信息.
当然你爬虫,你也可以爬自己的api接口,这就演变出来自动化测试的东西.
爬虫这种事,毕竟是`窃取`别人的东西,自己偷偷的爬点小电影啥的玩玩就好,不能搞太大,搞太大,就有人搞你了 .哈哈~~
－－－－－
网友解答：
－－－－－
图片，视频，文字，。。各种数据，大量数据分门别类，也许你还能发现新世界
－－－－－
网友解答：
－－－－－
自动化测试；秒杀商品；抢票；抓网页为数据分析提供原料；
－－－－－
网友解答：
－－－－－
爬虫，又叫spider，是在互联网行业抓取公开数据的一种自动化工具。
在搜索、新闻资讯或电商等行业，是一种常见的获取大数据的行为。
一般通过爬虫在抓取行业数据后，做直接转发或者保存到自己的服务器中做二次加工，作为自己产品的一部分。
如果数据用来从事商业行为，请务必重视版权问题，特别是利用、加工处理别人的数据，需要得到授权，并明确标注来源，否则会有法律风险。
我是一个产品研发老兵，请关注
产品研发那点事
，不断分享大厂的亲身经历。
------------------
推荐阅读：
你给父母办寿宴，千万别收礼金，因为别人赴宴已给你面子。怎么看？
