前言：该系列为爬虫基础，适合没有接触过python或刚刚起步的同学，如有错误，欢迎指出。
--爬虫的定义：
通过编写程序，模拟浏览器行为浏览网页，获取互联网上的数据，也称为蜘蛛，如：百度；谷歌，都是爬虫。
注意：
- 爬虫是python的一个分支或者说方向，个人自学python(爬虫)两年，从0-1，一步一步走来，明白其中的辛苦，若你没有大毅力，就不要自学了；给初学者的建议：第一语言不要学习python，(个人见解，不喜勿喷)。
--爬虫的分类：
1、 通用爬虫：获取的只是一个url(网址)下的页面数据；
2、 聚焦爬虫：根据指定的需求获取页面中指定的局部数据；
3、 增量式爬虫：用来监测网站数据更新的情况。
--概念混淆：
- 反爬机制：网站可以采用相关的技术手段或者策略阻止爬虫对网站的数据获取(代码报错)。
- 反反爬策略：让爬虫程序伪装(破解)网站限制并获得数据。
--robots协议：君子协议，里面限制了哪些可爬，哪些不可爬，但是你可以不用遵守。
- 如淘宝下的robots.txt : https://www.taobao.com/robots.txt
--爬虫流程的概括：
1、 获取网页源码===》urllib、requests
2、 提取所需要的业务数据 ==》BeautifulSoup、xpath、css选择器、pyquery
3、 保存数据 ===》 json、csv、txt(文件存储)等；
4、 自动化程序
--URL(统一资源定位符，俗称网址)
- URL的全称感兴趣的可以了解一下，我们主要解释一下它是做什么的，我们每天网上冲浪，百度了解一下，我们在浏览器的输入框=》www.baidu.com这就是url。
- 如：https://github.com/favicon.ico，我们用URL来唯一指定它的访问方式，这其中包括了访问协议https、访问路径和资源名称，通过这样的链接，我们便可以从互联网上找到资源，这就是url.
--超文本(HTML)
- 你打开一个网址如：www.baidu.com;你所看见的页面正是通过html以及其他的语言渲染出来的，我们右击->查看网页源代码；或者按F12你会发现有代码出现，里面就包括HTML代码。
--HTTP/HTTPS协议介绍
- 概念：HTTP协议就是服务器端(网站的服务器)与客户端(自己的电脑)之间进行数据交互的一种方式。
- HTTP工作原理：HTTP协议工作在客户端-服务端交媾之上的；浏览器作为HTTP客户端通过URL向HTTP服务端即WEB服务器发送所有请求；Web服务器根据接收到的请求后，向客户端发送响应信息。
- 常见的请求头信息：
accept:浏览器通过这个头告诉服务器，它所支持的数据类型Accept-Charset: 浏览器通过这个头告诉服务器，它支持哪种字符集
Accept-Encoding：浏览器通过这个头告诉服务器，支持的压缩格式
Accept-Language：浏览器通过这个头告诉服务器，它的语言环境
Host：浏览器通过这个头告诉服务器，想访问哪台主机
If-Modified-Since: 浏览器通过这个头告诉服务器，缓存数据的时间
Referer：浏览器通过这个头告诉服务器，客户机是哪个页面来的 防盗链 Connection：浏览器通过这个头告诉服务器，请求完后是断开链接还是何持链接 X-Requested-With: XMLHttpRequest 代表通过ajax方式进行访问 User-Agent：请求载体的身份标识
2. 常见的响应头信息：
Location: 服务器通过这个头，来告诉浏览器跳到哪里
Server：服务器通过这个头，告诉浏览器服务器的型号
Content-Encoding：服务器通过这个头，告诉浏览器，数据的压缩格式
Content-Length: 服务器通过这个头，告诉浏览器回送数据的长度
Content-Language: 服务器通过这个头，告诉浏览器语言环境
Content-Type：服务器通过这个头，告诉浏览器回送数据的类型 Refresh：服务器通过这个头，告诉浏览器定时刷新 Content-Disposition: 服务器通过这个头，告诉浏览器以下载方式打数据 Transfer-Encoding：服务器通过这个头，告诉浏览器数据是以分块方式回送的 Expires: -1 控制浏览器不要缓存
- 关于怎么查看请求头信息/响应头信息，我会在后面出专门的文章来解惑。
- 关于HTTPS协议定义：HTTPS 安全超文本传输协议，HTTPS是在HTTP上建立SSL加密层，并对传输数据进行加密，是HTTP协议的安全版。
- HTTPS的加密算法算法包括（简略）：
- 对称密钥加密
- 非对称密钥加密
- 证书密钥加密
--cookies简单介绍介绍
- Cookie 是浏览器访问服务器后，服务器传给浏览器的一段数据；
- 浏览器需要保存这段数据，不得轻易删除；
- 此后每次浏览器访问该服务器，都必须带上这段数据，这样才能证明你就是你；
- 详情了解请自行百度，后续会介绍cookies的用法。