老師：MissDu 送出作業
1. 簡單說明爬蟲原理
通用網絡爬蟲 從網際網路中搜集網頁，采集資訊，這些網頁資訊用于為搜尋引擎建立索引進而提供支援，它決定着整個引擎系統的内容是否豐富，資訊是否即時，是以其性能的優劣直接影響着搜尋引擎的效果。
第一步：抓取網頁，第二步：資料存儲，第三步：預處理，第四步：提供檢索服務，網站排名
2. 了解爬蟲開發過程
1).簡要說明浏覽器工作原理；
- 當使用者在浏覽器的位址欄中輸入一個URL并按Enter鍵之後，浏覽器會向HTTP伺服器發送HTTP請求。HTTP請求主要分為“Get”和“Post”兩種方法。
- 當我們在浏覽器輸入URL http://www.baidu.com 的時候，浏覽器發送一個Request請求去擷取 http://www.baidu.com 的html檔案，伺服器把Response檔案對象發送回給浏覽器。
- 浏覽器分析Response中的 HTML，發現其中引用了很多其他檔案，比如Images檔案，CSS檔案，JS檔案。 浏覽器會自動再次發送Request去擷取圖檔，CSS檔案，或者JS檔案。
- 當所有的檔案都下載下傳成功後，網頁會根據HTML文法結構，完整的顯示出來了。
URL：統一資源定位符，是用于完整地描述Internet上網頁和其他資源的位址的一種辨別方法
2).使用 requests 庫抓取網站資料；
requests.get(url) 擷取校園新聞首頁html代碼
3).了解網頁
寫一個簡單的html檔案，包含多個标簽，類，id
4).使用 Beautiful Soup 解析網頁；
通過BeautifulSoup(html_sample,'html.parser')把上述html檔案解析成DOM Tree
select（選擇器）定位資料
找出含有特定标簽的html元素
找出含有特定類名的html元素
找出含有特定id名的html元素
3.提取一篇校園新聞的标題、釋出時間、釋出機關
url = 'http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html'