前言
在当前数据爆发的时代，数据分析行业势头强劲，越来越多的人涉足数据分析领域。进入领域最想要的就是获取大量的数据来为自己的分析提供支持，但是如何获取互联网中的有效信息？这就促进了“爬虫”技术的飞速发展。
网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。
传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，在抓取网页的过程中，不断从当前页面上抽取新的URL放入队列,直到满足系统的一定停止条件。聚焦爬虫的工作流程较为复杂，需要根据一定的网页分析算法过滤与主题无关的链接，保留有用的链接并将其放入等待抓取的URL队列。然后，它将根据一定的搜索策略从队列中选择下一步要抓取的网页URL，并重复上述过程，直到达到系统的某一条件时停止。
另外，所有被爬虫抓取的网页将会被系统存贮，进行一定的分析、过滤，并建立索引，以便之后的查询和检索；对于聚焦爬虫来说，这一过程所得到的分析结果还可能对以后的抓取过程给出反馈和指导。
笔者是爬虫初学者，通过这篇综述来记录一下自己的心得体会。
以下为文章主要内容：
.初见爬虫
使用Python中的Rqusts第三方库。在Rqusts的7个主要方法中，最常使用的就是gt()方法，通过该方法构造一个向服务器请求资源的Rqust对象，结果返回一个包含服务器资源的额Rspons对象。通过Rspons对象则可以获取请求的返回状态、HTTP响应的字符串即URL对应的页面内容、页面的编码方式以及页面内容的二进制形式。
在了解gt()方法之前我们先了解一下HTTP协议，通过对HTTP协议来理解我们访问网页这个过程到底都进行了哪些工作。
.浅析HTTP协议
超文本传输协议（HTTP，HyprTxtTransfrProtocol）是互联网上应用最为广泛的一种网络协议。所有的北京中科是公立医院吗北京哪家医院治疗白癜风术好