網(wǎng)絡(luò)爬蟲，又稱為網(wǎng)頁蜘蛛、網(wǎng)絡(luò)機(jī)器人，是一種按照一定的規(guī)則，自動請求萬維網(wǎng)網(wǎng)站并提取網(wǎng)絡(luò)數(shù)據(jù)的程序或腳本。

如果說網(wǎng)絡(luò)像一張網(wǎng)，那么爬蟲就是網(wǎng)上的一只小蟲子，在網(wǎng)上爬行的過程中遇到了數(shù)據(jù)，就把它抓取下來。

這里的數(shù)據(jù)是指互聯(lián)網(wǎng)上公開的并且可以訪問到的網(wǎng)頁信息，而不是網(wǎng)站的后臺信息（沒有權(quán)限訪問），更不是用戶注冊的信息（非公開的）。

爬蟲具體能做些什么呢？接下來，我們通過一張圖來總結(jié)網(wǎng)絡(luò)爬蟲的常用功能，如圖1所示。

圖1 爬蟲的常用功能

圖1列舉了一些網(wǎng)絡(luò)爬蟲常用的功能。由該圖可知，通過網(wǎng)絡(luò)爬蟲可以代替手工完成很多事情。例如，使用網(wǎng)絡(luò)爬蟲搜集金融領(lǐng)域的數(shù)據(jù)資源，將金融經(jīng)濟(jì)的發(fā)展與相關(guān)數(shù)據(jù)進(jìn)行集中處理，能夠?yàn)榻鹑陬I(lǐng)域的各個(gè)方面如經(jīng)濟(jì)發(fā)展趨勢、金融投資、風(fēng)險(xiǎn)分析等提供“數(shù)據(jù)平臺”。

或者，瀏覽網(wǎng)頁上的信息時(shí)，會看到上面有很多廣告信息，十分?jǐn)_人。這時(shí)，可以利用網(wǎng)絡(luò)爬蟲將網(wǎng)頁上的信息全部爬取下來，自動過濾掉這些廣告，便于對信息的閱讀。

再者，我們想從某個(gè)網(wǎng)站中購買商品，需要知道諸如暢銷品牌、價(jià)格走勢等信息。對于非網(wǎng)站管理員而言，手動統(tǒng)計(jì)是個(gè)很大的工程。這時(shí)，可以利用網(wǎng)絡(luò)爬蟲輕松地采集到這些數(shù)據(jù)，以便做出進(jìn)一步的分析。

再比如，你想推銷一些理財(cái)產(chǎn)品，需要找到一些目標(biāo)客戶和他們的聯(lián)系方式。這時(shí)，可以利用網(wǎng)絡(luò)爬蟲設(shè)置對應(yīng)的規(guī)則，自動從互聯(lián)網(wǎng)中采集到目標(biāo)用戶的聯(lián)系方式等，以進(jìn)行營銷使用。

總而言之，從互聯(lián)網(wǎng)中采集信息是一項(xiàng)重要的工作，如果單純地靠人力進(jìn)行信息采集，不僅低效繁瑣，而且花費(fèi)成本高。爬蟲的出現(xiàn)在一定的程度上代替了手工訪問網(wǎng)頁，能夠?qū)崿F(xiàn)自動化采集互聯(lián)網(wǎng)的數(shù)據(jù)，以更高地效率去利用互聯(lián)網(wǎng)中的有效信息。

猜你喜歡：

Python爬蟲支持的網(wǎng)頁解析技術(shù)有哪些？

網(wǎng)絡(luò)爬蟲獲取數(shù)據(jù)的5種方式【Python爬蟲】

三種分布式爬蟲策略的優(yōu)缺點(diǎn)    

黑馬程序員Python+大數(shù)據(jù)培訓(xùn)