初学者如何开始学习Python爬虫并掌握lxml库？

本文共计1869个文字，预计阅读时间需要8分钟。

1. 爬虫定义：所谓爬虫，即按照一定规则，自动从网络中抓取信息的程序或脚本。万维网就像一个庞大的蜘蛛网，我们的爬虫就像是其中的一个蜘蛛，不断地去抓取所需的信息。

1.爬虫是什么

所谓爬虫，就是按照一定的规则，自动的从网络中抓取信息的程序或者脚本。万维网就像一个巨大的蜘蛛网，我们的爬虫就是上面的一个蜘蛛，不断的去抓取我们需要的信息。

2.爬虫三要素

• 抓取
• 分析
• 存储

3.爬虫的过程分析

当人类去访问一个网页时，是如何进行的？

　　①打开浏览器，输入要访问的网址，发起请求。

　　②等待服务器返回数据，通过浏览器加载网页。

　　③从网页中找到自己需要的数据（文本、图片、文件等等）。

　　④保存自己需要的数据。

对于爬虫，也是类似的。它模仿人类请求网页的过程，但是又稍有不同。

　　首先，对应于上面的①和②步骤，我们要利用python实现请求一个网页的功能。

　　其次，对应于上面的③步骤，我们要利用python实现解析请求到的网页的功能。

　　最后，对于上面的④步骤，我们要利用python实现保存数据的功能。

　　因为是讲一个简单的爬虫嘛，所以一些其他的复杂操作这里就不说了。下面，针对上面几个功能，逐一进行分析。

4.如何用python请求一个网页

作为一门拥有丰富类库的编程语言，利用python请求网页完全不在话下。这里推荐一个非常好用的类库urllib.request。