作业要求来自：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2851
1. 简单说明爬虫原理
答：从本质层面来说就是在众多大数据面前提取出有用有价值的数据，方便我们去提取使用。从技术层面来说就是通过程序模拟浏览器请求站点的行为，把站点返回的HTML代码/JSON数据/二进制数据（图片、视频） 爬到本地，进而提取自己需要的数据，存放起来使用；
2. 理解爬虫开发过程
1).简要说明浏览器工作原理；
- 发送请求：通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应。
- 获取响应内容：如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML，Json等类型
- 解析内容：得到的内容可能是HTML，可以用正则表达式、页面解析库进行解析，可能是Json，可以直接转为Json对象解析
- 保存数据：保存形式多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件。
2).使用 requests 库抓取网站数据；
3).了解网页
写一个简单的html文件，包含多个标签，类，id
html_sample=' <html> <body> <h1 id="title">Hello</h1> <a href="#"class="link">This is link1</a> <a href="#link2"class="link"qao=123>This is link2</a> </body> </html>'
4).使用 Beautiful Soup 解析网页；
通过BeautifulSoup(html_sample,'html.parser')把上述html文件解析成DOM Tree
select（选择器）定位数据
找出含有特定标签的html元素
header=soup.select('h1')
找出含有特定类名的html元素
b=soup.select('.link')
找出含有特定id名的html元素
t=soup.select('#title')
3.提取一篇校园新闻的标题、发布时间、发布单位
url = 'http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html'
