python的版本經過了python2.x和python3.x等版本，無論哪種版本，關于python爬蟲相關的知識是融會貫通的，武林站長站關于爬蟲這個方便整理過很多有價值的教程，小編通過本文章給大家做一個關于python爬蟲相關知識的總結，以下就是全部內容：

python爬蟲的基礎概述

1.什么是爬蟲

網絡爬蟲，即Web Spider，是一個很形象的名字。把互聯網比喻成一個蜘蛛網，那么Spider就是在網上爬來爬去的蜘蛛。網絡蜘蛛是通過網頁的鏈接地址來尋找網頁的。從網站某一個頁面（通常是首頁）開始，讀取網頁的內容，找到在網頁中的其它鏈接地址，然后通過這些鏈接地址尋找下一個網頁，這樣一直循環下去，直到把這個網站所有的網頁都抓取完為止。如果把整個互聯網當成一個網站，那么網絡蜘蛛就可以用這個原理把互聯網上所有的網頁都抓取下來。這樣看來，網絡爬蟲就是一個爬行程序，一個抓取網頁的程序。網絡爬蟲的基本操作是抓取網頁。

2.瀏覽網頁的過程

在用戶瀏覽網頁的過程中，我們可能會看到許多好看的圖片，比如http://image.baidu.com/，我們會看到幾張的圖片以及百度搜索框，這個過程其實就是用戶輸入網址之后，經過DNS服務器，找到服務器主機，向服務器發出一個請求，服務器經過解析之后，發送給用戶的瀏覽器HTML、JS、CSS等文件，瀏覽器解析出來，用戶便可以看到形形色色的圖片了。
因此，用戶看到的網頁實質是由HTML代碼構成的，爬蟲爬來的便是這些內容，通過分析和過濾這些HTML代碼，實現對圖片、文字等資源的獲取。

3.URL的含義

URL，即統一資源定位符，也就是我們說的網址，統一資源定位符是對可以從互聯網上得到的資源的位置和訪問方法的一種簡潔的表示，是互聯網上標準資源的地址。互聯網上的每個文件都有一個唯一的URL，它包含的信息指出文件的位置以及瀏覽器應該怎么處理它。

URL的格式由三部分組成：

①第一部分是協議(或稱為服務方式)。

②第二部分是存有該資源的主機IP地址(有時也包括端口號)。

③第三部分是主機資源的具體地址，如目錄和文件名等。

爬蟲爬取數據時必須要有一個目標的URL才可以獲取數據，因此，它是爬蟲獲取數據的基本依據，準確理解它的含義對爬蟲學習有很大幫助。

4.環境的配置

學習Python，當然少不了環境的配置，最初我用的是Notepad++，不過發現它的提示功能實在是太弱了，于是，在Windows下我用了PyCharm，在Linux下我用了EclipseforPython，另外還有幾款比較優秀的IDE，大家可以參考這篇文章學習Python推薦的IDE。好的開發工具是前進的推進器，希望大家可以找到適合自己的IDE