目录
什么是爬虫？
爬虫的价值
爬虫数据举例
爬虫的合法性
爬虫在使用场景中的分类
反爬机制
反反爬策略
robots.txt协议
http协议
https协议
什么是爬虫？
通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程；
爬虫的价值
抓取互联网上的数据，将这些爬取的数据产品化，商业化；自己的数据银行；
爬虫数据举例
Python技术文章大全图书价格对比网最漂亮美女图片网最爆笑故事APP新的聚合阅读器
爬虫的合法性
在法律中是不被禁止的，但是具有违法风险；爬虫带来的风险：
爬虫干扰了被访问网站的正常运营；爬虫抓取了受到法律保护的特定类型的数据或信息；如何在使用编写爬虫的过程中，避免违法犯罪？
时常优化自己的程序，避免干扰被访问网站的正常运行；在使用，传播爬取到的数据时，审查抓取到的内容，如果发现了涉及用户隐私，商业机密等敏感内容，需要及时停止爬取或传播；
爬虫在使用场景中的分类
通用爬虫，抓取系统重要组成部分，如抓取的是一整张页面数据；聚焦爬虫，建立在通用爬虫的基础上，抓取的是页面中特定的局部内容。如微博中的所有评论；增量式爬虫，检测网站中数据更新的情况，只会抓取网站中最新更新出来的数据，如最新的微博评论；
反爬机制
门户网站，可以通过制定相应的策略或技术手段，防止爬虫程序进行网站数据的爬取；如页面访问检查header中的User-Agent；
反反爬策略
爬虫程序可以通过制定相关的策略或技术手段，破解门户网站中具备的反爬机制，从而可以获取门户网站中相关的数据；如模拟header中的User-Agent是浏览器访问；
robots.txt协议
君子协议规定了网站中哪些数据可以被爬虫爬取，哪些数据不可以被爬取；Disallow是禁止被爬取的目录；Allow可以被爬取的目录；
淘宝的robots.txt协议
https://www.taobao.com/robots.txt
腾讯新闻的robots.txt协议
http协议
服务器和客户端进行数据交互的一种形式；常用请求头信息：
User-Agent：请求载体的身份标识；Connection：请求完毕后，是断开连接，还是保持连接；常用响应头信息：
Content-Type：服务器响应回客户端的数据类型；
https协议
安全的超文本传输协议加密方式：
对称秘钥加密非对称秘钥加密证书秘钥加密（https协议）
