爬虫通常用于数据的爬取，目前主要用于搜索引擎以及大数据，根据爬取的需求编写爬虫，一般的爬虫编写非常简单好学，即使初学Python的人都可以通过爬虫的通用框架编写爬虫，实现爬取数据。下面黑洞代理跟大家分享一下爬虫的通用框架：

1.挑选种子URL。 

2.将这些URL放入待抓取的URL队列。

3.取出待抓取的URL，下载并存储进已下载网页库中。此外，将这些URL放入待抓取URL队列，进入下一循环。

4.分析已抓取队列中的URL，并且将URL放入待抓取URL队列，从而进入下一循环。

其实，爬虫获取网页信息和人工获取信息，其实原理是一致的，比如我们要获取电影的“评分”信息。

人工操作步骤：获取电影信息的页面，定位（找到）到评分信息的位置，复制、保存我们想要的评分数据。

爬虫操作步骤：请求并下载电影页面信息，解析并定位评分信息，保存评分数据。

爬虫模仿人工操作，可以有效的突破目标网站的限制，否则以爬虫身份去爬虫信息，会被检测出来后，遭遇封杀。

爬虫的所有数据都可以伪装，除了IP。因此为了更顺利、有效率的获取信息，爬虫需要使用代理IP，比如通过使用黑洞代理，实现IP切换，突破IP限制，从而可以无限次的获取到信息。

通过上文的分析可知，爬虫的通用框架原理是：我们向服务器发送请求后，会得到返回的页面，通过解析页面之后，我们可以抽取我们想要的那部分信息，并存储在指定的文档或数据库中。