网页抓取

网页抓取，也称为“网络爬取”，是从网站中提取大量信息的过程。这可能包括下载多个网页或整个网站。下载的内容可能只包括网页中的文本、完整的HTML，或每个网页中的 HTML 和图像。

抓取网站有许多不同的方法。最基本的方法是手动下载网页。你可以将每个网页中的内容复制并粘贴到文本编辑器中，也可以使用浏览器的 文件 → 另存为… 命令，保存各个网页的本地副本。还可以使用网页抓取软件自动完成抓取。这是从网站下载大量网页最常用的方法。在某些情况下，还可以使用机器人定期抓取网站。

网页抓取可能有多种不同的用途。例如，你可能希望存档网站的某个部分，以便离线访问。通过将多个网页下载到计算机中，你可以稍后阅读这些网页，而无需连接到互联网。网页开发人员有时会抓取自己的网站，以测试每个网页中失效的链接和图像。抓取也可能用于非法目的，例如复制某个网站并以其他名称重新发布。这类抓取被视为侵犯版权，并可能导致法律起诉。

NOTE:以重新发布信息为目的抓取网站始终是不当行为，但出于其他目的抓取网站仍可能违反该网站的使用条款。因此，在从网站下载内容之前，应始终阅读该网站的使用条款。[/n]