网络空间安全概论 实验7 网络爬虫_第1页
网络空间安全概论 实验7 网络爬虫_第2页
网络空间安全概论 实验7 网络爬虫_第3页
网络空间安全概论 实验7 网络爬虫_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

实验七网络爬虫一、爬虫工作原理若是把互联网比作一张大网，爬虫（即网络爬虫）便是在网上爬行的蜘蛛。把网中的节点比作一个个网页，那么蜘蛛爬到一个节点处就相当于爬虫访问了一个页面，获取了其信息。可以把网页与网页之间的链接关系比作节点间的连线，蜘蛛通过一个节点后，顺着节点连线继续爬行，到达下一个节点，意味着爬虫可以通过网页之间的链接关系继续获取后续的网页，当整个网站涉及的页面全部被爬虫访问到后，网站的数据就被抓取下来了。二、用到的相关工具包（Python）request:用于发送请求与接收结果re:用来使用正则表达式csv:用来将获得的数据写入csv文件中，在后面的数据处理更加方便读取三、实验过程1、首先获取需要爬取页面的URL，这里就是豆瓣了：/top2502、通过查看豆瓣的网页源代码发现，该网页是由服务器渲染的HTML，所以选择使用正则来处理。3、通过firefox自带的抓包工具发现请求方式为get。4、由于豆瓣经常被爬，所以它设置了反爬，不过仅是对UA的检查，找到一般浏览器访问豆瓣网页所携带的UA，写入到request中即可，还是刚才抓包的文件，最下面有UA即User-Agent。5、接下来写正则re的预编译，像是豆瓣这样的大网站，前端编写的规定是很严格的，比如有电影信息的div中的class等是与其他构建网页组件不一样的，这也方便了正则的应用。如该代码，电影名都在span这个标签里面，而且有特定的class，故此凭借这个span与class可以快速定位电影名称与获取。6、csv文件写入。7、最后编写爬虫，并将数据进行处理，把结果写入csv。四、结果展示由

人人文库> 全部分类> 教育资料 > 备课教案

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论