如今，人工智能，大数据离我们越来越近，很多公司在开展相关的业务，但是人工智能和大数据中有一个东西非常重要，那就是数据，但是数据从哪里来呢？
首先我们来看下面这个例子：
这是微博的微指数的一个截图，他把在微博上的用户的微博和评论中的关键词语做了提取，然后进行了统计，然后根据统计结果得出某个词语的流行趋势，之后进行了简单的展示
类似微指数的网站还有很多，比如百度指数，阿里指数，360指数等等，这些网站有非常大的用户量，他们能够获取自己用户的数据进行统计和分析
那么对于一些中小型的公司，没有如此大的用户量的时候，他们该怎么办呢？
去第三方的公司购买数据(比如企查查)
去免费的数据网站下载数据(比如国家统计局)
通过爬虫爬取数据
人工收集数据(比如问卷调查)
在上面的来源中：人工的方式费时费力，免费的数据网站上的数据质量不佳，很多第三方的数据公司他们的数据来源往往也是爬虫获取的，所以获取数据最有效的途径就是通过爬虫爬取
1.2 爬取到的数据用途
百度新闻,一家并不是做新闻的公司，这个网站上的新闻数据从哪里来的呢？
通过点击，我们可以发现，他的新闻数据都是其他网站上的，在百度新闻上仅仅做了展示
如果后续我们要做一个网站，天天新闻，是不是也可以这样做呢
那么同样的，我们后续想要做一个和网易云音乐类似的音乐网站，是不是也可以这样来做呢？
通过前面的列子，能够总结出，爬虫获取的数据的用途：
- 进行在网页或者是app上进行展示
- 进行数据分析或者是机器学习相关的项目
2 什么是爬虫
网络爬虫（又被称为网页蜘蛛，网络机器人）就是模拟浏览器发送网络请求，接收请求响应，一种按照一定的规则，自动地抓取互联网信息的程序。
原则上,只要是浏览器(客户端)能做的事情，爬虫都能够做
3 爬虫的更多用途
- 12306抢票
- 网站上的投票
- 短信轰炸
- 注册页面1
- 注册页面2
- 注册页面3
小结
- 数据的来源：
- 去第三方的公司购买数据(比如企查查)
- 去免费的数据网站下载数据(比如国家统计局)
- 通过爬虫爬取数据
- 人工收集数据(比如问卷调查)
- 2.爬虫的概念：模拟浏览器发送网络请求，接收请求响应
爬虫入门教程
爬虫的分类
在上一小结中，我们介绍爬虫爬取到的数据用途的时候，给大家举了两个例子，其实就是两种不同类型的爬虫
根据被爬网站的数量的不同，我们把爬虫分为：
- 通用爬虫 ：通常指搜索引擎的爬虫（https://www.baidu.com）
- 聚焦爬虫 ：针对特定网站的爬虫
2 爬虫的流程
请思考：如果自己要实现一个和百度新闻一样的网站需要怎么做？
爬虫的工作流程：
- 向起始url发送请求，并获取响应
- 对响应进行提取
- 如果提取url，则继续发送请求获取响应
- 如果提取数据，则将数据进行保存
3 robots协议
在百度搜索中，不能搜索到淘宝网中某一个具体的商品的详情页面，这就是robots协议在起作用
Robots协议：网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取，但它仅仅是互联网中的一般约定
例如：淘宝的robots协议
小结
- 爬虫分类：通用爬虫、聚焦爬虫
- 爬虫的流程：
- 向起始url发送请求，并获取响应
- 对响应进行提取
- 如果提取url，则继续发送请求获取响应
- 如果提取数据，则将数据进行保存
3.robots协议：无需遵守该协议
