爬虫，被称为网络机器人，在FOAF社区中间，更经常的称为网页追逐者，是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本，主要用于搜索引擎,它将一个网站的所有内容与链接进行阅读，并建立相关的全文索引到数据库中，然后跳到另一个网站。传统爬虫从一个或若干初始网页的URL开始，获得初始网页上的URL，再不断从当前页面上抽取新的URL放入队列，直到满足系统的一定停止条件。
学习之前的准备
1、一颗热爱学习
2、不屈不挠的心一台有键盘的电脑（什么系统都行。我用的os x，所以例子会以这个为准）
3、html相关的一些前段知识。不需要精通，能懂一点就够！Python的基础语法知识 。
具体的学习路线
总体分为三个大方面：
1、简单的定向脚本爬虫（request --- bs4 --- re）
2、大型框架式爬虫（Scrapy框架为主）
3、浏览器模拟爬虫 （Mechanize模拟 和 Selenium 模拟）
具体步骤：
1、Beautiful Soup
requests库的安装与使用，安装beautiful soup 爬虫环境，beautiful soup 的解析器，re库 正则表达式的使用，bs4 爬虫实践。获取百度贴吧的内容bs4 爬虫实践，获取双色球中奖信息bs4 爬虫实践， 获取起点小说信息bs4 爬虫实践，获取电影信息bs4 爬虫实践。 获取悦音台榜单
2、Scrapy 爬虫框架
安装Scrapy，Scrapy中的选择器 Xpath和CSSScrapy 爬虫实践，今日影视Scrapy 爬虫实践，天气预报Scrapy 爬虫实践，获取代理Scrapy 爬虫实践，糗事百科Scrapy 爬虫实践， 爬虫相关攻防（代理池相关）
3、浏览器模拟爬虫
Mechanize模块的安装与使用，利用Mechanize获取乐音台公告，Selenium模块的安装与使用，浏览器的选择 PhantomJS，Selenium & PhantomJS 实践，获取代理；Selenium & PhantomJS 实践，漫画爬虫。
以上是python爬虫要学什么的详细内容。更多信息请关注PHP中文网其他相关文章！
