Python爬虫系列（1）
1.什么是爬虫
请求网站并提取数据的自动化程序。
换句话就是说，我们通过编写代码，模拟成浏览器，请求目标网页，并通过代码提取符合我们查找规则的数据，保存到数据库中。
2.爬虫的基本流程
（1）发起请求
通过HTTP库向目标站点发起请求，即发起一个Request,请求可以包含额外的headers等信息，等待服务器响应。
（2）获取响应内容
如果服务器能正常响应，会得到一个Response,Response的内容是所需要获取的页面内容，类型可能有HTML，Json字符串，二进制数据（如图片视频）等类型。
（3）解析内容
得到的内容可能是HTML，可以使用正则表达式、网页解析库进行解析，可能是Json，可以直接转为Json对象解析，可能是二进制，可以做保存，或者进一步分析。
（4）保存数据
保存兴时多样，可以保存成文本，也可以保存到数据库。
3. Request 与Response
(1)浏览器就发送消息给该网址所在的服务器，这个过程叫做HTTP Request.
(2)服务器收到浏览器发送的消息后，能够根据浏览器发送的消息的内容，做相应处理，然后把消息回传给浏览器。这个过程叫做HTTP Response。
(3)浏览器收到服务器的Response信息后，会对信息进行相应的处理，然后展示。
Request
(1)请求方式
主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等。
(2)请求URL
URL：统一资源定位符
(3)请求头
包含请求时的头部信息，如User-Agent、Host、Cookies等信息。
(4)请求体
post请求时的Form Data
Response
(1)响应状态
有多种响应状态，如200代表成功、301跳转、404找不到页面、502服务器错误
(2)响应头
如内容类型、内容长度、服务器信息，设置Cookie等
(3)响应体
最主要的部分。包含了请求资源的内容，如网页HTML，图片、二进制数据等。
可以抓取什么数据
（1）文本
（2）图片
（3）视频
（4）其他
解析方式：
（1）直接处理
（2）Json解析
（3）正则表达式
（4）BeautifulSoup
（5）PyQuery
解析方式：