标签:加密 Python 爬虫 介绍 抓取 采集 网站 秘钥 数据
Python 数据采集的介绍
1.爬虫是什么
概念: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。
2.爬虫的合法性
2.1 风险
- 爬虫干扰了被访问网站的正常运营
- 抓取了受到法律保护的特定类型的数据信息
2.2 使用
- 优化程序,避免干扰被访问网站的正常运行。
- 使用,或传播抓取到的数据时,审查抓取内容中是否存在商业机密或个人隐私等内容,应该及时停止采集。
3.介绍
3.1 分类
概述:按照使用场景进行分类
- 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。
- 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
- 检测网站中数据更新的情况。只会抓取网站中最新更新出来的数据。
3.2 反爬机制
-
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。
-
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,从而可以获取门户网站中相关的数据。
3.3 robots.txt 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。
查看网站的协议,直接在相关网站后添加/robots.txt
4.Http与Https
4.1 http与https 协议
概念:就是服务器和客户端进行数据交互的一种形式。
常用请求头信息:
User-Agent:请求载体的身份标识
Connection:请求完毕后,是断开连接还是保持连接
常用响应头信息:
- Content-Type:服务器响应回客户端的数据类型
https协议:
- 安全的超文本传输协议
加密方式:
对称秘钥加密
非对称秘钥加密
证书秘钥加密
继续努力,终成大器!
标签:加密,Python,爬虫,介绍,抓取,采集,网站,秘钥,数据 来源: https://www.cnblogs.com/Blogwj123/p/16433384.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。