基础爬虫过程
基础的爬虫其实很简单的，主要过程就是：发送请求，并获取响应数据；
解析响应数据，获取想要的那部分数据；
存储解析出来的数据；
基础的爬虫事例
比如我们想写一个爬虫程序，自动为我们获取bing搜索首页的备案号。 />bing搜索首页及备案号
1.首先我们就要找到能获取bing首页的URL，这里不用找，就是：https://cn.bing.com/。然后我们就向这个URL发送一个get请求，并得到响应内容。 />用浏览器请求bing搜索首页获取到的响应头 />用浏览器请求bing搜索首页获取到的响应体
2.然后用正则规则去匹配响应中介于“京ICP备”和“号”中间的内容；
3.最终将解析出来的备案号，存储至一个叫bing.txt的文件中；
对应的完整代码如下：
# coding="utf-8"
# 导入requests库，用于实现HTTP请求
import requests
# 导入正则库
import re
# 请求bing搜索首页，并获取响应
response = requests.get("https://cn.bing.com/")
# 响应头部内容
print(response.headers)
#响应体内容
print(response.text)
# 解析响应内容，获取其中我们想要的备案号
number = re.findall(r'京ICP备(.+?)号', response.text)[0]
print(number)
# 将备案号存储到txt文件中
f = open("bing.txt", 'a')
f.write("bing搜索的备案号为：%s" % number)
f.close()
程序运行后最终输入的结果如下（对比一下，是不是和浏览器获取到的内容一致）： />程序运行打印的响应头和响应体 />保存至txt文件的备案号
基础爬虫需要学习的内容
基于上面一个简单的实例，应该了解到，基础爬虫部分，我们只需要掌握以下内容即可。
1.获取URL
也就是大家常说的接口，大概意思就是你从哪个URL才能获取到你想要的数据。简单的我们从浏览器中就可以看到。然而如果是想要获取App的数据呢？所以这里还需要需求一个基本的抓包工具的使用（常见的抓包工具有Fiddler、Wireshark等，新手推荐用Fiddler） />
2.模拟发送基本的请求
当获取到URL之后，我们需要模拟请求一下，看看是否可行。这里推荐大家写代码之前先用postman工具进行模拟请求，请求没问题后再写代码。学习两种常见请求类型的传参方式（get请求、post请求）。并且掌握请求中的基本参数，比如：user-agent、host、origin、cookie、表单参数等。 />使用postman进行模拟请求
3.数据解析
数据解析方面就比较固定了，掌握基本的正则匹配、Beautifulsoup、Xpath、json解析即可。其中正则匹配性能最好，但是研究正则规则比较麻烦，Beautifulsoup语法人性化，最简单，但是性能差一些，所以我一般选这种的xpath解析。推荐大家安装浏览器插件Xpath Helper，可以直接在浏览器中先模拟解析。 />Xpath Helper插件进行模拟解析
4.数据存储
数据存储最常见的当然是存储至数据库了，当然也有存储值excel、存储为json文件等等的。这里只需要掌握python操作数据库就够走遍天下了，并且有精力的情况下最好将MySQL、Sqlite3、Mongodb、Redis都学习一下。
爬虫进阶需要学习的内容
了解了上面整个过程后，基本写一下基础的爬虫就没问题了。但是实际项目中往往还需要一些进阶的内容（这也就是所谓的入门简单，深入还是有一些细碎的知识）：攻克对方的反爬虫，这也是爬虫的重中之重，这一步突破不了，后面基本免谈；
提高爬虫的效率，这里主要是突破反爬虫限制后，进一步提升数据获取的速度；
提升爬虫程序的稳定性，保证爬虫可以长久运行不出错；
常见的反爬虫内容上的反爬虫，比如内容中加了很多和主要书籍无关的数据，浏览器中不会显示，但是影响我们代码解析，又或者用图片代替文本等等。所以需要我们熟练的灵活使用各种解析特性，必要时还需要来个图像识别什么的。
3. 请求上的反爬虫，比如请求中需要需要携带一些变化的参数，这部分参数可能是登录的cookie信息，可能是加密算法生成的参数等等。需要我们学习模拟登录，js调试，甚至App逆向分析等。
提高爬虫效率
学会写基本的爬虫调度，意思就是调度请求、解析、数据保存这几件事情的一个方法。然后配合多进程和多线程来提升效率，多线程方面，爬虫上推荐大家多使用协程。有时候问了进一步提升效率和爬虫的稳定性，还会将不同的事情放在不用的服务器上去完成（分布式爬虫部署），比如调度一个中央服务器，然后分配A服务器去完成请求，分配B去进行数据解析，分配C去进行数据下载保存等等。
提升爬虫健壮性
这个在大型项目中是尤为重要的，比如我们有1000万条数据需要获取，但是获取到500万条的时候程序出错了，这时候怎么处理呢？是修复BUG，放弃这500万数据，重新开始呢？还是断点继续呢？基本的我们要知道哪里可能出错，添上对应的错误捕获并记录哪条数据出了什么错误，后续可针对出错的数据再单独爬取。如果想要做的更智能化一点，我们就需要记录程序再哪个节点出错的，当我们修复BUG后，程序下次运行时，程序能自动从此处开始。关于断点呢，具体业务得具体对待，没有固定的方式，不过有几个通用的点可能都会用到，那就是数据重复排查，通过是否重复来判断是否继续。常见的去重就有：数据库去重（查数据是否存在）、缓存去重（利用Redis中的set类型）、内存去重（HashSet、Bit-Map等等）