互聯網的數據爆炸式的增長，而利用 Python 爬蟲我們可以獲取大量有價值的數據：
1.爬取數據，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； 抓取房產網站買賣信息，分析房價變化趨勢、做不同區域的房價分析；爬取招聘網站職位信息，分析各行業人才需求情況及薪資水平。
2.作為機器學習、數據挖掘的原始數據
比如你要做一個推薦系統，那麼你可以去爬取更多維度的數據，做出更好的模型。
3.爬取優質的資源：圖片、文本、視頻
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本數據。
掌握正確的方法，在短時間內做到能夠爬取主流網站的數據，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.瞭解非結構化數據的存儲
4.應對特殊網站的反爬蟲措施
5.Scrapy 與 MongoDB，進階分佈式
1、瞭解爬蟲的基本原理及過程
大部分爬蟲都是按“發送請求——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信息的過程。
簡單來說，我們向服務器發送請求後，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信息，並存儲在指定的文檔或數據庫中。
在這部分你可以簡單瞭解 HTTP 協議及網頁基礎知識，比如 POST\GET、HTML、CSS、JS，簡單瞭解即可，不需要系統學習。
可以私信回覆我爬蟲，有小編精心整理的爬蟲視頻教程一套2、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 負責連接網站，返回網頁，Xpath 用於解析網頁，便於抽取數據。
如果你用過 BeautifulSoup，會發現 Xpath 要省事不少，一層一層檢查元素代碼的工作，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”，即可查看源代碼
把短評信息的XPath信息複製下來
我們通過定位，得到了第一條短評的 XPath 信息：
如果我們想爬取很多條短評，那麼自然應該去獲取（複製）更多這樣的 XPath：
觀察第1、2、3條短評的 XPath，你會發現規律，只有
通過XPath信息，我們就可以用簡單的代碼將其爬取下來了：
爬取的該頁面所有的短評信息
當然如果你需要爬取異步加載的網站，可以學習瀏覽器抓包分析真實請求或者學習Selenium來實現自動化爬取，這樣，知乎、時光網、貓途鷹這些動態的網站也基本沒問題了。
你還需要了解 Python 的基礎知識，比如：
文件讀寫操作：用來讀取參數、保存爬取內容
list(列表)、dict(字典)：用來序列化爬取的數據
條件判斷(if/else)：解決爬蟲中的判斷是否執行
循環和迭代(for ……while)：用來循環爬蟲步驟
3、非結構化數據的存儲
爬回來的數據可以直接用文檔形式存在本地，也可以存入數據庫中。
開始數據量不大的時候，你可以直接通過 Python 的語法或 pandas 的方法將數據存為text、csv這樣的文件。還是延續上面的例子：
用Python的基礎語言實現存儲：
用pandas的語言來存儲：
這兩段代碼都可將爬下來的短評信息存儲起來，把代碼貼在爬取代碼後面即可。
存儲的該頁的短評數據
當然你可能發現爬回來的數據並不是乾淨的，可能會有缺失、錯誤等等，你還需要對數據進行清洗，可以學習 pandas 包，掌握以下知識點就好：
- 缺失值處理：對缺失數據行進行刪除或填充
- 重複值處理：重複值的判斷與刪除
- 空格和異常值處理：清楚不必要的空格和極端、異常數據
- 數據分組：數據劃分、分別執行函數、數據重組
4、掌握各種技巧，應對特殊網站的反爬措施
爬取一個頁面的的數據是沒問題了，但是我們通常是要爬取多個頁面。
這個時候就要看看在翻頁的時候url是如何變化了，還是以短評的頁面為例，我們來看多個頁面的url有什麼不同：
通過前四個頁面，我們就能夠發現規律了，不同的頁面，只是在最後標記了頁面的序號。我們以爬取5個頁面為例，寫一個循環更新頁面地址就好了。
當然，爬蟲過程中也會經歷一些絕望啊，比如被網站封IP、比如各種奇怪的驗證碼、userAgent訪問限制、各種動態加載等等。
遇到這些反爬蟲的手段，當然還需要一些高級的技巧來應對，常規的比如訪問頻率控制、使用代理IP池、抓包、驗證碼的OCR處理等等。
比如我們經常發現有的網站翻頁後url並不變化，這通常就是異步加載。我們用開發者工具取分析網頁加載信息，通常能夠得到意外的收穫。
通過開發者工具分析加載的信息
比如很多時候如果我們發現網頁不能通過代碼訪問，可以嘗試加入userAgent 信息，甚至是瀏覽器的 cookie 信息。
瀏覽器中的userAgent信息
在代碼中加入userAgent信息
往往網站在高效開發和反爬蟲之間會偏向前者，這也為爬蟲提供了空間，掌握這些應對反爬蟲的技巧，絕大部分的網站已經難不到你了。
5、Scrapy 與 MongoDB，進階分佈式
掌握前面的技術，一般量級的數據和代碼基本沒有問題了，但是在遇到非常複雜的情況，可能仍然會力不從心，這個時候，強大的 scrapy 框架就非常有用了。
scrapy 是一個功能非常強大的爬蟲框架，它不僅能便捷地構建request，還有強大的 selector 能夠方便地解析 response，然而它最讓人驚喜的還是它超高的性能，讓你可以將爬蟲工程化、模塊化。
分佈式爬取租房信息
爬取的數據量大了，自然會需要數據庫，MongoDB 可以方便你去存儲大規模的數據。因為這裡要用到的數據庫知識其實非常簡單，主要是數據如何入庫、如何進行提取，在需要的時候再學習就行。
MongoDB 存儲職位信息
分佈式這個東西，聽起來非常嚇人，但其實就是利用多線程的原理讓多個爬蟲同時工作，需要你掌握 Scrapy + MongoDB + Redis 這三種工具。
Scrapy 用於做基本的頁面爬取，MongoDB 用於存儲爬取的數據，Redis 則用來存儲要爬取的網頁隊列，也就是任務隊列。
這個時候，你已經可以去寫分佈式爬蟲了。
你看，這一條學習路徑下來，你已然可以成為老司機了，非常的順暢。所以在一開始的時候，儘量不要系統地去啃一些東西，找一個實際的項目（開始可以從豆瓣、小豬這種簡單的入手），直接開始就好。
因為爬蟲這種技術，既不需要你係統地精通一門語言，也不需要多麼高深的數據庫技術，高效的姿勢就是從實際的項目中去學習這些零散的知識點，你能保證每次學到的都是最需要的那部分。
閱讀更多 Python一Devil 的文章
