理解爬虫原理
本次作业来源于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE1/homework/2881
1. 简单说明爬虫原理
向网站发起请求，获取资源后分析并提取有用数据的程序；从技术层面来说就是 通过程序模拟浏览器请求站点的行为，把站点返回的HTML代码/JSON数据/二进制数据（图片、视频） 爬到本地，进而提取自己需要的数据，存放起来使用.
2. 理解爬虫开发过程
1).简要说明浏览器工作原理；
浏览器的功能是将获取到的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，网页通过浏览器的解析，加载CSS与JS等文件对网页进行解析渲染，达到我们看到绚丽的网页。
2).使用 requests 库抓取网站数据；
requests.get(url) 获取校园新闻首页html代码
import requests requests url='http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html' res=requests.get(url) type(res) res.encoding='utf-8' res.text
3).了解网页
写一个简单的html文件，包含多个标签，类，id
html_sample = ' \ <html> \ <body> \ <h1 id="title">Hello</h1> \ <a href="#" class="link"> This is link1</a>\ <a href="# link2" class="link" qao=123> This is link2</a>\ </body> \ </html> '
4).使用 Beautiful Soup 解析网页；
通过BeautifulSoup(html_sample,'html.parser')把上述html文件解析成DOM Tree
soupn=BeautifulSoup(res.text,'html.parser') soupn
select（选择器）定位数据
#使用select找出含有h1标签的元素，返回list header=soups.select('h1') #使用select找出特定CSS属性的元素 t = soups.select('#title') l = soups.select('.link')
找出含有特定标签的html元素
找出含有特定类名的html元素
找出含有特定id名的html元素
soups = BeautifulSoup(html,'html.parser') a1 =soups.a a = soups.select('a') h = soups.select('h1') t = soups.select('#title')
3.提取一篇校园新闻的标题、发布时间、发布单位、作者、点击次数、内容等信息
如url = 'http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html'
要求发布时间为datetime类型，点击次数为数值型，其它是字符串类型。
新闻的标题:
发布时间
作者：
发布单位：
点击次数：
内容：
