如果你是初学者，对于 Python 语言还不了解，那可以先找一本入门的书看看像《a byte of Python》，
当你对Python语法有点了解了后可以就可以开始自己尝试写一个爬虫程序了，为什么这么早就开始写爬虫程序了呢，原因很简单，你只有在实际项目操作中才能更好的去学会怎么使用Python，着手一个项目对于学习一门语言速度和收获是最快的，你可以先去爬一些静态页面，像爬糗事百科的段子，豆瓣等等。
就以爬取糗事百科为例，这个时候你需要稍微去了解一些HTML标签语言，在w3cschool上可以花个半天熟悉一下，等你熟悉了就以可开始写爬虫程序了，这个时候你就会用到Python标准库中的urllib库去请求一个网页，也就是把网页内容爬下来，爬下来的元素都是文本信息，这个时候你就会用到正则表达式了，你需要用正则表达式去文本信息里提取想要的信息，那怎么快速的找到要提取的信息呢，这个时候你就要学会使用浏览器的F12开发者工具了，你要学习爬虫F12开发者工具是要学会怎么使用的，开发者工具是每个程序员必须要会使用的工具，使用开发者工具你可以查看客户端和服务器端交互的所有信息。
扯远了，当你会用正则表达式提取需要的信息是，这些信息你总得保存下来吧，那这个时候就会逼着你去学会文件的操作，excel的操作，数据库的操作。
当你文档操作也学会了，这个时候你觉得你写得爬虫程序爬取效率不高，那么就会去研究多线程、多进程怎么使用了。
到了这里你基本上把Python的用法反复鞭策过了，这个时候你可以去了解了解HTTP协议，看看HTTP协议怎么规定的，了解过后你可以自己尝试去实现和服务器的交互，这个时候你就会用到socket套接字编程了。
到这里Python的基本用法你都已经很熟悉了，这个时候你就可以使用一些第三方库来帮助你更好的去解析HTML元素，因为HTML是种树状结构的文档。那么BeautifulSoup和lxml库都能帮助你解析HTML文档，学会了使用它让你事半功倍。
静态页面你学会了怎么爬取了，就可以学习怎么去爬动态网页了，selenium，plantomJS这种第三方库你就会去了解， 到这里你就可以去模拟登录操作，你可以去登录你的12306帐号，可以做个购票的爬虫软件，这个时候你会遇到验证码的问题，那就会用到PIL，opencv，ocr等等技术，太多了，不过这些技术你可以先放一放。
到这里你去了解一些爬和反爬的机制了，你要学会去使用ip代理池，控制访问服务器的频率等等。
上面你基本都走了一篇后就可以去学习Scrapy爬虫框架了，分布式爬虫框架，用多台机器同时去爬肯定比你用一台机器去爬快啊。
这个时候你爬取的数量很大了，你想通过数据展示一些信息，帮助你做决策，这个时候你就要学会是用numpy, pandas,matplotlib，做一些数据清洗，得到比较干净的数据，到这里你多练习练习差不多就能多数据挖掘的工作了。
学习是个持续输入输出的过程你一定要有耐心，沉下心来，努力专研，成就大神不是一朝一夕的。
最后你也可以关注偶，偶的头条号正在更新爬虫的基础系列，后续也会把上面讲到的都更新在偶的头条号里，最后需要提醒大家的是不要动不动就去培训学习，如果你不是特别笨，自学能力还可以，那就沉下心来好好学习，因为你到培训班最后也是靠你自己，老师也只是带你入门，或者给你几个项目实战而已，有什么问题你们也可以私信偶，很乐意为你们解答。
python分类器，python读取汉字，汉诺塔非递归算法python，交叉中值模型python，白底转蓝底python，python电灯，堆Python，python numpy multiply，qt 支持python，awsome python github，python去掉扩展名python分类器，python读取汉字，汉诺塔非递归算法python，交叉中值模型python，白底转蓝底python，python电灯，堆Python，python numpy multiply，qt 支持python，awsome python github，python去掉扩展名python分类器，python读取汉字，汉诺塔非递归算法python，交叉中值模型python，白底转蓝底python，python电灯，堆Python，python numpy multiply，qt 支持python，awsome python github，python去掉扩展名空间css下载，css含内容，选中多个css元素，css需要下载琴魔，css鼠标滑过图片闪光，css怎么让图片居中对齐，css 区分ie8 ie9 兼容