前两天，有个小伙伴问了小编这样一个问题：Python可以爬到视频网站上vip才能看到的视频吗？听到这个问题，你是什么反应？我当时的内心：开玩笑，还有Python爬不到的东西吗？

今天小编就给大家总结了一些Python爬取各种东西的案例，让你看看Python到底有多强大，而且小编还给大家准备了源码或者是项目地址哦，是不是对我的爱又多了几分。

既然要在网络上爬取资源，首先要了解下基本的爬虫工作原理。

爬虫是怎么工作的？

想象你是一只蜘蛛，现在你被放到了互联“网”上。那么，你需要把所有的网页都看一遍。怎么办呢？没问题呀，你就随便从某个地方开始，比如说人民日报的首页，这个叫initial pages，用$表示吧。

在人民日报的首页，你看到那个页面引向的各种链接。于是你很开心地从爬到了“国内新闻”那个页面。太好了，这样你就已经爬完了俩页面（首页和国内新闻）！暂且不用管爬下来的页面怎么处理的，你就想象你把这个页面完完整整抄成了个html放到了你身上。

突然你发现， 在国内新闻这个页面上，有一个链接链回“首页”。作为一只聪明的蜘蛛，你肯定知道你不用爬回去的吧，因为你已经看过了啊。所以，你需要用你的脑子，存下你已经看过的页面地址。这样，每次看到一个可能需要爬的新链接，你就先查查你脑子里是不是已经去过这个页面地址。如果去过，那就别去了。

1. 理论上如果所有的页面可以从initial page达到的话，那么可以证明你一定可以爬完所有的网页。
2. 基本的http抓取工具，scrapy
3. 如果需要大规模网页抓取，你需要学习分布式爬虫的概念。
4. rq和Scrapy的结合：darkrho/scrapy-redis · GitHub
5. 后续处理，网页析取 ( grangier/python-goose · GitHub)，存储(Mongodb)

今天的福利时刻

小编还给大家准备了Python的Scrapy教程，其中包括：

完整资源获取方式

请关注小编的头条号，私信回复“爬虫项目“即可领取