游戏夜读 | 跟风说一说爬虫

爬虫，原本是一类动物的指代。但对熟悉计算机网络的人来说，说起爬虫，第一个想到的就是网络数据的采集行为。



计算机网络不是直观的事物，它不像自行车一样一目了然。对于自行车，我们不仅熟悉车把、链条、坐垫、脚踏板、轮胎、轴承等配件，也能亲身体验速度、惯性、平衡的物理奥妙。但计算机网络不同，除了电缆、光纤，其他的都神秘。



想要化身电流的一份子：电子。体验一趟趟云霄飞车、电击、拥挤、千锤百炼……不妨想象一下超大型过山车的感受。



网络不仅是一种技术，更是我们用来存储、获取、交流信息的工具。其中跟我们关心的信息，关系最紧密的一个概念，可能非“网络协议”莫属了。网络协议本身的内容挺复杂，也有不少的标准，实际操作中一般都会提到：网络协议三要素。



是哪三要素呢？常见的说法是，语法，语义，时序。语法会定义计算机网络语言，基本上是一些数据符号的事情，通常被解释为“怎么讲”。语义，就跟我们所理解的信息内容非常接近了，基本上是讲怎么把那些干涩的数据符号吃透：弄明白今天的一个字母代表的是苹果，到了明天这个字母就是代表香蕉了，诸如此类，通常被解释成“讲什么”。时序，有时也全称为时序规则，主要是时间上的考量和分析，一般不直接挂钩被传递的信息内容。



说到这里，我们日常在计算机网络上搜索、讨论、发文件等等，除了网速快慢，主要涉及语法、语义。话说回来，爬虫就是模仿人类上网冲浪的行为，可以把一个个爬虫程序理解成是一个个网络机器人，由此，爬虫工程师也就不那么神秘了。



文/良宵听雨。授权“游戏夜读”发表。