前戏：
1.你是否在夜深人静的时候，想看一些会让你更睡不着的图片
2.你是否在考试或者面试前夕，想看一些具有针对性的题目和面试题
3.你是否想在杂乱的网络世界中获取你想要的数据
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的
- 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如下两个方面：
- 爬虫干扰了被访问网站的正常运营
- 爬虫抓取了受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
爬虫在使用场景中的分类
- 通用爬虫：
抓取系统重要组成部分。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之上。抓取的是页面中特定的局部内容
- 增量式爬虫：
检测网站中数据更新的情况。只会抓取网站中最新更新出来的数据
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
在网站后加上 /robots.txt 即可查询，如：https://www.baidu.com/robots.txt
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http（经过加密的，加密的方式就是证书密钥加密）
加密方式：
1.对称密钥加密（有安全隐患，要是被A拦截了，A就可用密钥打开密文）
2.非对称密钥加密（公钥可能在中间被拦截、篡改后再继续发送）
3.证书密钥加密（中间加一个证书认证机构）
