網際網路的資料爆炸式的增長，而利用 Python 爬蟲我們可以獲取大量有價值的資料：

1.爬取資料，進行市場調研和商業分析

爬取知乎優質答案，篩選各話題下最優質的內容； 抓取房產網站買賣資訊，分析房價變化趨勢、做不同區域的房價分析；爬取招聘網站職位資訊，分析各行業人才需求情況及薪資水平。

2.作為機器學習、資料探勘的原始資料

比如你要做一個推薦系統，那麼你可以去爬取更多維度的資料，做出更好的模型。

3.爬取優質的資源：圖片、文字、視訊

爬取商品（店鋪）評論以及各種圖片網站，獲得圖片資源以及評論文字資料。

掌握正確的方法，在短時間內做到能夠爬取主流網站的資料，其實非常容易實現。

但建議你從一開始就要有一個具體的目標，在目標的驅動下，你的學習才會更加精準和高效。這裡給你一條平滑的、零基礎快速入門的學習路徑：

1.瞭解爬蟲的基本原理及過程

2.Requests+Xpath 實現通用爬蟲套路

3.瞭解非結構化資料的儲存

4.應對特殊網站的反爬蟲措施

5.Scrapy 與 MongoDB，進階分散式

01

瞭解爬蟲的基本原理及過程

大部分爬蟲都是按“傳送請求——獲得頁面——解析頁面——抽取並儲存內容”這樣的流程來進行，這其實也是模擬了我們使用瀏覽器獲取網頁資訊的過程。

簡單來說，我們向伺服器傳送請求後，會得到返回的頁面，通過解析頁面之後，我們可以抽取我們想要的那部分資訊，並存儲在指定的文件或資料庫中。

在這部分你可以簡單瞭解 HTTP 協議及網頁基礎知識，比如 POSTGET、HTML、CSS、JS，簡單瞭解即可，不需要系統學習。

02

學習 Python 包並實現基本的爬蟲過程

Python中爬蟲相關的包很多：urllib、requests、bs4、scrapy、pyspider 等，建議你從requests+Xpath 開始，requests 負責連線網站，返回網頁，Xpath 用於解析網頁，便於抽取資料。

如果你用過 BeautifulSoup，會發現 Xpath 要省事不少，一層一層檢查元素程式碼的工作，全都省略了。掌握之後，你會發現爬蟲的基本套路都差不多，一般的靜態網站根本不在話下，小豬、豆瓣、糗事百科、騰訊新聞等基本上都可以上手了。

來看一個爬取豆瓣短評的例子：

選中第一條短評，右鍵-“檢查”，即可檢視原始碼

把短評資訊的XPath資訊複製下來

我們通過定位，得到了第一條短評的 XPath 資訊：