作业要求：

1. 简单说明爬虫原理

简单来说互联网是由一个个站点和网络设备组成的大网，我们通过浏览器访问站点，站点把HTML、JS、CSS代码返回给浏览器，这些代码经过浏览器解析、渲染，将丰富多彩的网页呈现我们眼前

 

2. 理解爬虫开发过程

1).简要说明浏览器工作原理（流程）

（1）：向服务器发起请求，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，等待服务器的响应。

（2）：获取响应内容 如果服务器正常响应，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、二进制文件（如图片、视频等类型）。

（3）：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，可以直接转成JOSN对象进行解析，可能是二进制数据，可以保存或者进一步处理

（4）：保存内容 保存形式多样，可以保存成文本，也可以保存至数据库，或者保存成特定格式的文件。

 

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

url='http://news.gzcc.cn/html/xiaoyuanxinwen/'res=requests.get(url)

 

3).了解网页

写一个简单的html文件

      
这是第一个标题
 
这是第二个标题
 
这是第三个标题
 
这是第四个标题
 
这是第五个标题
 
这是第六个标题
 
这是个段落
 
     
 
     这是六号
字体 

 

4).使用 Beautiful Soup 解析网页；

(1)输出该网页中所有的a标签

(2)输出类名为search-input的标签

 

 (3)输出id名为menu的标签。

3.提取一篇校园新闻的标题、发布时间、发布单位