最近火的Python 爬蟲(chóng)入門(mén)方法（新手、小白必看）
想要入門(mén)Python 爬蟲(chóng)首先需要解決四個(gè)問(wèn)題
熟悉python編程
了解HTML
了解網(wǎng)絡(luò)爬蟲(chóng)的基本原理
學(xué)習(xí)使用python爬蟲(chóng)庫(kù)
一、你應(yīng)該知道什么是爬蟲(chóng)？
爬蟲(chóng)到底是什么，網(wǎng)絡(luò)爬蟲(chóng)，其實(shí)叫作網(wǎng)絡(luò)數(shù)據(jù)采集更容易理解。就是通過(guò)編程向網(wǎng)絡(luò)服務(wù)器請(qǐng)求數(shù)據(jù)（HTML表單），然后解析HTML，提取出自己想要的數(shù)據(jù)。
歸納為四大步：
根據(jù)url獲取HTML數(shù)據(jù)
解析HTML，獲取目標(biāo)信息
存儲(chǔ)數(shù)據(jù)
重復(fù)第一步
二、python要學(xué)習(xí)到什么程度
如果你不懂python，那么需要先學(xué)習(xí)python這門(mén)非常easy的語(yǔ)言（相對(duì)其它語(yǔ)言而言）。
編程語(yǔ)言基礎(chǔ)語(yǔ)法無(wú)非是數(shù)據(jù)類(lèi)型、數(shù)據(jù)結(jié)構(gòu)、運(yùn)算符、邏輯結(jié)構(gòu)、函數(shù)、文件IO、錯(cuò)誤處理這些，學(xué)起來(lái)會(huì)顯枯燥但并不難。
剛開(kāi)始入門(mén)爬蟲(chóng)，你甚至不需要去學(xué)習(xí)python的類(lèi)、多線程、模塊之類(lèi)的略難內(nèi)容。找一個(gè)面向初學(xué)者的教材或者網(wǎng)絡(luò)教程，花個(gè)十幾天功夫，就能對(duì)python基礎(chǔ)有個(gè)三四分的認(rèn)識(shí)了，這時(shí)候你可以玩玩爬蟲(chóng)嘍！
當(dāng)然，前提是你必須在這十幾天里認(rèn)真敲代碼，反復(fù)咀嚼語(yǔ)法邏輯，比如列表、字典、字符串、if語(yǔ)句、for循環(huán)等最核心的東西都得捻熟于心、于手。
教材方面比較多選擇，我個(gè)人在學(xué)習(xí)中有一些干貨資料在這里分享給大家，前者比較系統(tǒng)豐富、后者會(huì)更簡(jiǎn)練。
三、為什么要懂HTML
前面說(shuō)到過(guò)爬蟲(chóng)要爬取的數(shù)據(jù)藏在網(wǎng)頁(yè)里面的HTML里面的數(shù)據(jù)，有點(diǎn)繞哈！
百科里是這樣解釋HTML的
超文本標(biāo)記語(yǔ)言（英語(yǔ)：HyperTextMarkupLanguage，簡(jiǎn)稱(chēng)：HTML）是一種用于創(chuàng)建網(wǎng)頁(yè)的標(biāo)準(zhǔn)標(biāo)記語(yǔ)言。HTML是一種基礎(chǔ)技術(shù)，常與CSS、JavaScript一起被眾多網(wǎng)站用于設(shè)計(jì)網(wǎng)頁(yè)、網(wǎng)頁(yè)應(yīng)用程序以及移動(dòng)應(yīng)用程序的用戶(hù)界面[3]。網(wǎng)頁(yè)瀏覽器可以讀取HTML文件，并將其渲染成可視化網(wǎng)頁(yè)。HTML描述了一個(gè)網(wǎng)站的結(jié)構(gòu)語(yǔ)義隨著線索的呈現(xiàn)，使之成為一種標(biāo)記語(yǔ)言而非編程語(yǔ)言。
總結(jié)一下，HTML是一種用于創(chuàng)建網(wǎng)頁(yè)的標(biāo)記語(yǔ)言，里面嵌入了文本、圖像等數(shù)據(jù)，可以被瀏覽器讀取，并渲染成我們看到的網(wǎng)頁(yè)樣子。
所以我們才會(huì)從先爬取HTML，再 解析數(shù)據(jù)，因?yàn)閿?shù)據(jù)藏在HTML里。
學(xué)習(xí)HTML并不難，它并不是編程語(yǔ)言，你只需要熟悉它的標(biāo)記規(guī)則，這里大致講一下。
HTML標(biāo)記包含標(biāo)簽（及其屬性）、基于字符的數(shù)據(jù)類(lèi)型、字符引用和實(shí)體引用等幾個(gè)關(guān)鍵部分。
HTML標(biāo)簽是最常見(jiàn)的，通常成對(duì)出現(xiàn)，比如<h1>與</h1>。
這些成對(duì)出現(xiàn)的標(biāo)簽中，第一個(gè)標(biāo)簽是開(kāi)始標(biāo)簽，第二個(gè)標(biāo)簽是結(jié)束標(biāo)簽。兩個(gè)標(biāo)簽之間為元素的內(nèi)容（文本、圖像等），有些標(biāo)簽沒(méi)有內(nèi)容，為空元素，如<img>。
以下是一個(gè)經(jīng)典的Hello World程序的例子：
<!DOCTYPE html>
<html>
?<head>
? ?<title>This is a title</title>
?</head>
?<body>
? ?<p>Hello world!</p>
?</body>
</html>
HTML文檔由嵌套的HTML元素構(gòu)成。它們用HTML標(biāo)簽表示，包含于尖括號(hào)中，如<p>[56]
在一般情況下，一個(gè)元素由一對(duì)標(biāo)簽表示：“開(kāi)始標(biāo)簽”<p>與“結(jié)束標(biāo)簽”</p>。元素如果含有文本內(nèi)容，就被放置在這些標(biāo)簽之間。
四、了解python網(wǎng)絡(luò)爬蟲(chóng)的基本原理
在編寫(xiě)python爬蟲(chóng)程序時(shí)，只需要做以下兩件事：
發(fā)送GET請(qǐng)求，獲取HTML
解析HTML，獲取數(shù)據(jù)
五、用python庫(kù)爬取百度圖片
如何用python去爬取百度圖片呢？
以下就是詳細(xì)的源碼和步驟：
六、結(jié)語(yǔ)
本文用爬取百度圖片的案例，講解了python爬蟲(chóng)的基本原理以及相關(guān)python庫(kù)的使用，這是比較初級(jí)的爬蟲(chóng)知識(shí)，還有很多優(yōu)秀的python爬蟲(chóng)庫(kù)和框架等待后續(xù)去學(xué)習(xí)。
當(dāng)然，掌握本文講的知識(shí)點(diǎn)，你就已經(jīng)入門(mén)python爬蟲(chóng)了。加油吧，少年！
文章整理不易，還請(qǐng)各位大佬們多多支持~
獲取方式：
一鍵三連+關(guān)注? ? ? ? （重點(diǎn)）
后臺(tái)主動(dòng)留下痕跡：“項(xiàng)目”（重點(diǎn)）?
