什么是爬虫：
- 通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程。
爬虫的价值：
- 实际应用
- 就业
爬虫究竟是合法还是违法的？
- 在法律中是不被禁止
- 具有违法风险
- 善意爬虫 恶意爬虫
爬虫带来的风险可以体现在如下2方面：
- 爬虫干扰了被访问网站的正常运营
- 爬虫抓取了收到法律保护的特定类型的数据或信息
如何在使用编写爬虫的过程中避免进入局子的厄运呢？
- 时常的优化自己的程序，避免干扰被访问网站的正常运行
- 在使用，传播爬取到的数据时，审查抓取到的内容，如果发现了涉及到用户隐私
商业机密等敏感内容需要及时停止爬取或传播
爬虫在使用场景的分类
通用爬虫
抓取系统的重要的组成的部分，抓取的是一整张页面数据
聚焦爬虫
是建立在通用爬虫的基础上，抓取的是页面当中的特定的局部的内容
增量式爬虫：
检测网站当中的数据的更新情况，只会抓取网站当中的最新的更新出来的数据
爬虫的矛与盾
反爬机制
门户网站，可以通过制定相应的策略或者技术手段，防止爬虫程序进行网站数据的爬取。
反反爬策略
爬虫程序可以通过制定相关的策略或者技术手段，破解门户网站中具备的反爬机制，从而可以获取门户网站中相关的数据。
robots.txt协议：
君子协议。规定了网站中哪些数据可以被爬虫爬取哪些数据不可以被爬取。
http协议
- 概念：就是服务器和客户端进行数据交互的一种形式。
常用请求头信息
- User-Agent：请求载体的身份标识
- Connection：请求完毕后，是断开连接还是保持连接
常用响应头信息
- Content-Type：服务器响应回客户端的数据类型
https协议：
- 安全的超文本传输协议
加密方式
- 对称秘钥加密
- 非对称秘钥加密
- 证书秘钥加密
常用的响应头的信息
Content-Type:服务器响应会客户端的数据类型
常用的请求头的信息
User-Agent:请求载体的身份标识
