Python爬虫入门：下载一只猫

之前给自己立了一个Flag，要在2019年学完吴恩达教授的机器学习课程，结果学完单变量线性回归后就把这个事情扔到爪哇国去了，再想起来这都快八月了，实在惭愧。不过也没什么关系，反正大家都不care这个笔记到底能不能做完，包括我在内。
之前在用Python代码实现单变量线性回归问题的过程中，我发现一个问题可能会在后期严重的阻碍我们的学习进程，那就是从哪里搞到真实有效的训练集数据？看过我之前文章的朋友都知道，我所使用的训练集数据都是我瞎编的，量少且没什么意义，光是应付单变量线性回归已经有点吃力，更别提后面了，况且用一个"假"的数据集做机器学习分析，也没什么意义啊。
痛定思痛，我决定开始再学一下Python爬虫，这样在训练集数据方面就可以做到自力更生了，但是我这不是懒嘛，觉得麻烦就一直没动手。一直到上周，PKU的一位博士师姐跟我讨论，她想写一篇文章，需要从网上抓一些数据，想麻烦我做代码实现这一块。我想着，正好借这个机会鞭策一下自己，为了不让自己食言，一定要玩命学习，然后做到七天Python网络爬虫从入门到精通，既能帮朋友忙自己也得到了提升。
但是！！！我还是太年轻，网络前端知识浩瀚如烟，而硬件工程师出身的我刚开始完全抓瞎，事实上我在七天的第一天就从入门到放弃了。算了吧，还是别妄图一口吃成胖子，咱还是一步一个脚印慢慢来吧。还是老办法，看视频做笔记，这次拜的师父是B站上鼎鼎大名的鱼C工作室掌门小甲鱼老师，学习视频就是他的《[小甲鱼]零基础入门学习Python》。话不多说，我们通过若干个实例开始我们的学习过程，柿子要挑软的捏，我们先从最简单的开始：如何利用Python从网上下载一只猫？
先给大家介绍一个网站，http://placekitten.com/，如下：

在这个网站上，只要你在网址后面加上你想要猫咪照片的高和宽，那你就可以得到一只猫，然后右键另存为就可以把它放到桌面上，我现在要做的，就是通过Python代码来实现这个过程。

抽象的来看，其实只要我们知道这只“猫”的网址，就可以得到它了，这个网址在前端领域的术语叫做URL，我们操作这只“猫”，在Python代码看来，其实就是处理这只“猫”所属的URL。对于URL操作，Python内建了一个十分强大的库供我们使用，那就是urllib，对于使用http传输协议的静态网页操作，urllib应付我们这种小白已经是杀鸡用牛刀了。
首先了解一下 Urllib 库，它是 Python 内置的 HTTP 请求库，也就是说我们不需要额外安装即可使用，它包含四个模块：

第一个模块 request，它是最基本的 HTTP 请求模块，我们可以用它来模拟发送一请求，就像在浏览器里输入网址然后敲击回车一样，只需要给库方法传入 URL 还有额外的参数，就可以模拟实现这个过程了。
第二个 error 模块即异常处理模块，如果出现请求错误，我们可以捕获这些异常，然后进行重试或其他操作保证程序不会意外终止。
第三个 parse 模块是一个工具模块，提供了许多 URL 处理方法，比如拆分、解析、合并等等的方法。
第四个模块是 robotparser，主要是用来识别网站的 robots.txt 文件，然后判断哪些网站可以爬，哪些网站不可以爬的，其实用的比较少。

在这里，我们一开始只会用到request模块里的urlopen()函数，废话少说，放码过来

在Python的官方文档里，urlopen函数的操作类型可以是URL字符串也可以是Request对象，所以第3行的代码相当于先把URL实例化成Request对象，然后再传给urlopen()的。如果把第3行注释掉，换成第4行和第5行的形式，执行程序后得到的结果也是一样的，你的py文件根目录下会多一只猫。

是不是觉得很简单？想要挑战更复杂的操作？
那我们下期再见，继续我们的Python爬虫学习过程，要注意学习Python爬虫是为了机器学习抓训练集用的，所以我们的学习过程还so so so long~

参考文献：
[1] B站：《[小甲鱼]零基础入门学习Python》
[2] https://www.jianshu.com/p/63dad93d7000