Python爬虫1-使用urlopen

• 2020 年 2 月 10 日
• 笔记

GitHub代码练习地址：https://github.com/Neo-ML/PythonPractice/blob/master/SpiderPrac01_urlopen.py

爬虫简介 – 爬虫定义：网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者）， 是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。 另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。 – 两大特征 – 能按作者要求下载数据或者内容 – 能自动在网络上流窜 – 三大步骤： – 下载网页 – 提取正确的信息 – 根据一定规则自动跳到另外的网页上执行上两步内容

urllib  - 包含模块      - urllib.request: 打开和读取urls      - urllib.error： 包含urllib.request产生的常见的错误，使用try捕捉      - urllib.parse:  包含解析url的方法      - urllib.robotparse: 解析robots.txt文件