第一领券网-每天9.9元疯抢-taobao.dyboy.cn!

Python爬虫入门 | 第一课 初识爬虫

【摘要】1.非结构化数据:如图的网页资料/文章,因此我们需要挖掘有价值的数据,那么这个时候我们需要通过ETL(Extract,Transformation,Loading)工具才能将数据转化为结构化数据之后,数据才可以的有效的利用。...

1.非结构化数据:

如图的网页资料/文章,因此我们需要挖掘有价值的数据,那么这个时候我们需要通过ETL(Extract,Transformation,Loading)工具才能将数据转化为结构化数据之后,数据才可以的有效的利用。


2.ETL:

原始资料->ETL脚本->结构化数据

食材->厨师->美食

3.如何处理非结构化数据

将新闻列表的标题、摘要、图片抓取下来。

4.网络爬虫:

比如百度、Google等搜索引擎的各种爬虫,无数的爬虫自动的去获取网络上的最新资讯。

用途:

1.比如开发一个爬虫自动获取用户的需求数据===挖掘价值数据,降低人工成本,提升效益!

新浪新闻主页


5.网络请求:

浏览器F12打开控制台,看到有186个请求

(这里我使用的是360极速浏览器)



随便打开一个


很容易理解!这是我们的概览请求

然后我们看看网站服务器给我们的回应:


打开网址:http://news.sina.com.cn/china/

国内新闻:


按下F12打开开发者工具,刷新后选择DOC++(如图):



需要的环境相信大家都配置好了!

Python3.x

Request

Beautifulsoup4

对于环境的配置和安装,百度一下就会有很多详细的资料,此处不详细讲解!

至此,第一课结束!

QQ:1099718640

更多精彩内容请访问个人主页:http://blog.csdn.net/dyboy2017

原文地址:http://blog.csdn.net/dyboy2017/article/details/77865822

 小东
 简介:有丰富WEB开发经验,WEB安全相关经验,已承接各类外包项目20+,专业团队为您打造产品,有合作意向请联系QQ:1099718640

在淘宝购物这么久,你居然不知道这个内部福利?

↓↓↓小伙伴们有任何问题都可以评论反馈的哦↓↓↓

发表评论

游客
送你一朵小花花~

帅人已评(0)