爬蟲，被稱為網絡機器人，在FOAF社區中間，更經常的稱為網頁追逐者，是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本，主要用於搜索引擎,它將一個網站的所有內容與連結進行閱讀，並建立相關的全文索引到資料庫中，然後跳到另一個網站。傳統爬蟲從一個或若干初始網頁的URL開始，取得初始網頁上的URL，再不斷從目前頁面上抽取新的URL放入佇列，直到滿足系統的一定停止條件。
學習之前的準備
#1、一顆熱愛學習
2、不屈不撓的心一台有鍵盤的電腦（什麼系統都行。我用的os x，所以範例會以此為準）
#3、html相關的一些前段知識。不需要精通，能懂一點就夠！ Python的基礎語法知識 。
具體的學習路線
總體分為三個大面向：
1、簡單的定向腳本爬蟲（request -- - bs4 --- re）
2、大型框架式爬蟲（Scrapy框架為主）
3、瀏覽器模擬爬蟲（Mechanize模擬和Selenium 模擬）
#具體步驟：
1、Beautiful Soup
requests庫的安裝與使用，安裝beautiful soup 爬蟲環境，beautiful soup 的解析器，re庫正則表達式的使用，bs4 爬蟲實踐。取得百度貼吧的內容bs4 爬蟲實踐，取得雙色球中獎資訊bs4 爬蟲實踐， 取得起點小說資訊bs4 爬蟲實踐，取得電影資訊bs4 爬蟲實踐。取得悅音台榜單
2、Scrapy 爬蟲框架
安裝Scrapy，Scrapy中的選擇器Xpath和CSSScrapy 爬蟲實踐，今日影視Scrapy 爬蟲實踐，天氣預報Scrapy 爬蟲實踐，獲取代理Scrapy 爬蟲實踐，糗事百科Scrapy 爬蟲實踐， 爬蟲相關攻防（代理池相關）
3、瀏覽器模擬爬蟲
Mechanize模組的安裝與使用，利用Mechanize獲取樂音台公告，Selenium模組的安裝與使用，瀏覽器的選擇PhantomJS，Selenium & PhantomJS 實踐，獲取代理；Selenium & PhantomJS 實踐，漫畫爬蟲。
以上是python爬蟲要學什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！
