# 2.3.1 爬蟲概述 爬蟲就是獲取網頁并提取和保存信息的自動化程序的操作步驟: ## 獲取網頁 {#獲取網頁} 爬蟲首先要做的工作就是獲取網頁，在這里獲取網頁即獲取網頁的源代碼，源代碼里面必然包含了網頁的部分有用的信息，所以只要把源代碼獲取下來了，就可以從中提取我們想要的信息了。 ## 提取信息 {#提取信息} 我們在第一步獲取了網頁源代碼之后，接下來的工作就是分析網頁源代碼，從中提取我們想要的數據。 ## 保存數據 {#保存數據} 提取信息之后我們一般會將提取到的數據保存到某處以便后續數據處理使用。保存形式有多種多樣，如可以簡單保存為 TXT 文本或 Json 文本，也可以保存到數據庫，如 MySQL、MongoDB 等，也可保存至遠程服務器，如借助 Sftp 進行操作等。 ## 自動化程序 {#自動化程序} 說到自動化程序，意思即是說爬蟲可以代替人來完成這些操作。首先我們手工當然是可以提取這些信息的，但是當量特別大或者想快速獲取大量數據的話，肯定還是借助于程序。所以爬蟲就是代替我們來完成這份爬取數據的工作的自動化程序，它可以在抓取過程中進行各種異常處理、錯誤重試等操作，確保爬取持續高效地運行。