網(wǎng)絡(luò)爬蟲眼中的網(wǎng)頁是什么樣的？我們前面學了HTTP協(xié)議，然后是訪問網(wǎng)頁的流程，然后是現(xiàn)在網(wǎng)頁的樣子。爬蟲眼中的網(wǎng)頁是什么樣的？

 

動態(tài)IP模擬器

 

IP模擬器代理是企業(yè)級大數(shù)據(jù)抓取HTTP動態(tài)IP服務(wù)提供商，為數(shù)百家企業(yè)用戶提供海量、優(yōu)質(zhì)的HTTP代理IP。全國已建成180多間機房，低延遲，高可用，專業(yè)穩(wěn)定！歡迎免費試用。...

 

web是靜態(tài)的，而爬蟲是動態(tài)的，所以爬蟲的基本思想是沿著網(wǎng)頁上的鏈接(蜘蛛網(wǎng)的節(jié)點)爬取有效信息。當然，網(wǎng)頁也是動態(tài)的(一般用PHP或ASP編寫，比如用戶登錄界面是動態(tài)網(wǎng)頁)，但如果一張蜘蛛網(wǎng)搖搖欲墜，蜘蛛會覺得不太安全，所以動態(tài)網(wǎng)頁的優(yōu)先級一般被搜索引擎排在靜態(tài)網(wǎng)頁之后。

 

知道爬蟲的基本思想，如何操作？這得從網(wǎng)頁的基本概念說起。一個網(wǎng)頁有三個組成部分，即html文件，css文件和JavaScript文件。如果把一個網(wǎng)頁看成一座房子，那么html就相當于房子的外殼；Css相當于地板磚涂層，美化了房子的外部和內(nèi)部；JavaScript相當于家具、電浴等。，增加了房子的功能。從上面的比喻可以看出，html是網(wǎng)頁的基礎(chǔ)。畢竟地磚顏料市面上也有，家具電器都可以露天擺放，房子外殼也是獨一無二的。