爬虫这个词我们经常听说，可以对于没有进行过爬虫工作的人来说，可能还是没有什么概念。在过去代理IP还没用于爬虫的时候，爬虫工作非常复杂麻烦，现在有了这类工具协助，爬虫的门槛变低了。那么，爬虫的流程究竟是什么样子的?

　　一、爬虫基本流程

　　发起请求：通过HTTP库向目标站点发起请求，即发送一个Request，请求可以包含额外的headers等信息，等待服务器响应。

　　获取响应内容：如果服务器能正常响应，会得到一个Response，Response的内容便是所要获取的页面内容，类型可能有HTML，Json字符串，二进制数据(如图片视频)等类型。

　　解析内容：得到的内容可能是HTML，可以用正则表达式、网页解析库进行解析。可能是Json，可以直接转为Json对象解析，可能是二进制数据，可以做保存或者进一步的处理。

　　保存数据：保存形式多样，可以存为文本，也可以保存至数据库，或者保存特定格式的文件。

　　二、Request和Response

　　Request：浏览器就发送消息给该网址所在的服务器，这个过程叫做HTTP Request。

　　Response:服务器收到浏览器发送的消息后，能够根据浏览器发送消息的内容，做相应处理，然后把消息回传给浏览器。这个过程叫做HTTP Response。浏览器收到服务器的Response信息后，会对信息进行相应处理，然后展示。

　　1、Request详解

　　请求方式：主要有GET、POST两种类型，另外还有HEAD、PUT、DELETE、OPTIONS等。

　　请求URL：URL全称统一资源定位符，如一个网页文档、一张图片、一个视频等都可以用URL唯一来确定。

　　请求头：包含请求时的头部信息，如User-Agent、Host、Cookies等信息。

　　请求体：请求时额外携带的数据如表单提交时的表单数据。

　　2、Response详解

　　响应状态：有多种响应状态，如200代表成功、301跳转、404找不到页面、502服务器错误

　　响应头：如内容类型、内容长度、服务器信息、设置Cookie等等。

　　响应体：最主要的部分，包含了请求资源的内容，如网页HTML、图片二进制数据等。

　　三、解析方式

　　直接处理

　　Json解析

　　正则表达式

　　BeautifulSoup

　　PyQuery

　　XPath

　　四、保存数据

　　文本：纯文本、Json、Xml等。

　　关系型数据库：如MySQL、Oracle、SQL Server等具有结构化表结构形式存储。

　　非关系型数据库：如MongoDB、Redis等Key-Value形式存储。

　　二进制文件：

　　如图片、视频、音频等等直接保存成特定格式即可。

　　五、能抓取哪些数据

　　网页文本:如HTML文档、Json格式文本等。

　　图片:获取到的是二进制文件，保存为图片格式。

　　视频:同为二进制文件，保存为视频格式即可。

　　以上就是有关爬虫的基本操作流程，如果你也想要对数据进行采集和分析，那么用代理IP来进行爬虫就再合适不过了。