网络爬虫（Web crawler）：也叫网络蜘蛛（Web spider）,网络爬虫的基本操作就是抓取网页。
浏览网页：在火狐浏览器中打开百度www.baidu.com ，就是将浏览器作为一个’客户端‘，
向服务器发送一次请求， 把服务器的文件’抓取‘到本地，再进行解释和展现.
HTML：是一种标记语言，用标签标记内容并加以解析和区分。
浏览器功能：将获取到的HTML代码进行解析，然后将原始的代码转变成我们直接看到的网站页面。
URL（Uniform / Universal Resource Locator）：称为统一资源定位符（也叫网址）
URL格式：
- 协议
- 服务器（域名或IP地址），有时也包括端口号（以数字表示，可省略）
- 路径（即主机资源的具体地址）
- 查询（以？为起点）
第一部分协议和第二部分服务器用‘ :// ‘符合隔开，第二部分服务器和第三部分路径用‘ / ‘隔开
例如：http://zh.wikipedia.org:80/w/index.php
http：是协议
zh.wikipedia.org，是服务器
80，是服务器上的网络端口号
/w/index.php，是路径
爬虫最主要的处理对象就是URL
参考资源：http://blog.csdn.net/pleasecallmewhy/article/details/8922826
时间： 2024-12-27 21:46:09