最好學(xué)習(xí)一下，不要求熟悉，但必須要會，我們爬蟲所爬取的網(wǎng)頁數(shù)據(jù)大部分都會直接或間接嵌套在html標(biāo)簽或?qū)傩灾校绻銓tml一點都不了解，也就無從談及數(shù)據(jù)的解析和提取，下面我簡單介紹一下python爬蟲的學(xué)習(xí)過程，感興趣的朋友可以嘗試一下：

基礎(chǔ)html知識

這個是最基本也是必須的，首先，學(xué)習(xí)網(wǎng)絡(luò)爬蟲，你就需要學(xué)習(xí)html知識，網(wǎng)頁是用html寫的，數(shù)據(jù)自然也會嵌套在其中，無非就是某一個標(biāo)簽或?qū)傩裕绻銓tml一點都不了解，也就無從談及解析規(guī)則的編寫，數(shù)據(jù)也就無從提取，不要求多么熟悉、精通html，但基本的標(biāo)簽、屬性必須要能看懂，如果你沒有這方面基礎(chǔ)的話，建議學(xué)習(xí)一下，初學(xué)入門html，也主要以記憶為主，很快就能掌握：

基本爬蟲庫

基礎(chǔ)的html知識掌握后，就是網(wǎng)絡(luò)爬蟲的編寫，這里可以從一些簡單易用、容易上手的爬蟲庫開始，比較常見的就是urllib、requests、beautifulsoup、lxml，官方教程非常詳細(xì)，先獲取網(wǎng)頁數(shù)據(jù)，然后再編寫解析規(guī)則提取即可，對于大部分靜態(tài)網(wǎng)頁來說，都可以輕松爬取，動態(tài)網(wǎng)頁數(shù)據(jù)的提取可能需要抓包分析（數(shù)據(jù)不會直接在網(wǎng)頁源碼中看到），但基本原理類似，也是先獲取數(shù)據(jù)，然后再解析提取：

專業(yè)爬蟲框架

基本爬蟲庫熟悉后，大部分網(wǎng)頁數(shù)據(jù)都可以爬取，但需要反復(fù)造輪子，效率不高，也不易于后期維護(hù)和擴(kuò)展，這里可以學(xué)習(xí)一下專業(yè)強大的爬蟲框架，python來說，比較受歡迎、也比較流行的就是scrapy，框架成熟、穩(wěn)定，可擴(kuò)展性強，只需編寫少量代碼即可快速開啟一個爬蟲程序，初學(xué)入門來說也非常友好，官方文檔豐富，社區(qū)活躍，資料齊全，各個模塊組件都是獨立開源的，后期研究學(xué)習(xí)也非常不錯：

總之，python爬蟲對html要求不高，但必須要了解，能看懂基本的網(wǎng)頁結(jié)構(gòu)、標(biāo)簽和屬性，后期才能編寫具體的解析規(guī)則提取數(shù)據(jù)，建議多看多練，熟悉一下scrapy框架的使用，網(wǎng)上也有相關(guān)教程和資料，介紹的非常詳細(xì)，感興趣的話，可以搜一下，希望以上分享的內(nèi)容能對你有所幫助吧，也歡迎大家評論、留言進(jìn)行補充。