Python环境搭建与核心工具准备
别一听到”环境搭建”就紧张，我保证这比你装微信还简单。去年我帮朋友小林入门时，她连文件夹都不会建，照样20分钟搞定了所有准备工作。
首先你得装个Python，直接去官网（python.org，记得加nofollow标签）下载最新版，安装时一定要勾选”Add Python to PATH”——就像你快递填收货地址，这个选项就是告诉电脑”Python住在这里，找它就来这儿”。我第一次装的时候漏了这个，结果在命令行敲”python”没反应，捣鼓了半小时才发现问题，你可别踩这个坑。
装好Python后，咱们需要两个”爬取神器”：requests和BeautifulSoup。打开电脑的命令提示符（Windows按Win+R输cmd，Mac用终端），复制粘贴这两行命令：
pip install requests
pip install beautifulsoup4
按回车后等一分钟，就像手机装App一样自动下载。这里插一句，如果你看到”Successfully installed”就说明成了，要是报错”pip不是内部命令”，回去检查下刚才有没有勾选PATH——90%的新手问题都出在这儿。
为了让你更清楚每个工具的作用，我整理了个表格，你可以存在手机里当备忘录：
| 工具名称 | 核心功能 | 新手友好度 | 适用场景 |
|---|---|---|---|
| requests | 向网站发送请求，获取源码 | ★★★★★ | 爬取简单网页、小数据量 |
| BeautifulSoup | 整理、解析源码结构 | ★★★★☆ | 提取特定标签内容（如div、p） |
| time | 控制爬取速度，避免服务器压力 | ★★★★★ | 所有爬取场景必备 |
表格里的time库特别重要，后面讲合法操作时你就知道，让程序”休息”一下有多关键。
3行代码爬取源码+合法操作指南
准备好了工具，现在教你写第一行爬取代码。别担心，我会把每句代码都翻译成”人话”，就像给你念故事一样。
先打开你电脑上的记事本（或者用VS Code，新手 用Notepad++，免费又轻便），输入这段代码：
import requests # 导入请求工具
url = "https://www.example.com" # 你要爬的网站地址（先用这个测试）
response = requests.get(url) # 发送请求获取源码
print(response.text) # 打印源码内容
保存成”爬取源码.py”，记得把文件类型选”所有文件”，不然会变成txt格式。双击运行，你会看到命令行里唰唰跳出一堆代码——恭喜！这就是example.com的源码了。
这里有个小技巧：把print(response.text)改成with open("源码.html", "w", encoding="utf-8") as f: f.write(response.text)，就能把源码存成HTML文件，用浏览器打开就能像看网页一样浏览。我上个月帮设计师朋友爬作品集网站时，她就是用这个方法把喜欢的页面存下来，离线研究排版，比截图方便多了。
重点来了：不是所有网站都能随便爬。去年有个做自媒体的朋友，没看规则就爬了某平台的文章，结果收到律师函，说他违反了《网络安全法》第41条。所以爬之前，你必须做两件事：
第一，检查网站的robots协议。在网址后面加”/robots.txt”，比如百度的是https://www.baidu.com/robots.txt（nofollow），里面会写”哪些内容可以爬，哪些不行”。像豆瓣的robots就明确说”禁止爬取用户相册”，这种就绝对不能碰。
第二，控制爬取速度。在代码里加import time和time.sleep(1)，让程序每爬一次休息1秒——想象你去超市买东西，一直推购物车撞货架肯定会被保安拦，爬虫也一样，服务器会把频繁请求当成攻击。我给小林的代码里就加了这个，她爬设计网站时，服务器还给她返回了”欢迎友好访问”的提示，特别有意思。
最后再给你个实战 刚开始别选太复杂的网站，比如淘宝、京东这种有反爬机制的。先爬自己的博客、或者像example.com这种测试网站，等熟练了再挑战难一点的。你要是不知道选哪个练手，可以试试爬豆瓣读书的公开书评页，它的robots协议允许爬取公开内容，而且源码结构清晰，很适合新手。
你按这些步骤操作时，要是遇到”SSL证书错误”，记得在requests.get()里加verify=False；要是出现乱码，就在response.text前面加.encoding="utf-8"。这些小问题我都踩过坑，现在告诉你，能少走不少弯路。
对了，爬下来的源码别商用哦！自己学习研究没问题，但拿去卖钱或者侵权就不好了。你要是按这些方法试了，欢迎回来告诉我你爬的第一个网站是什么——我猜多半是你自己的博客，对吧？
你真不用担心零基础学不会，我身边好几个例子呢。就说我表妹吧，她之前只会用Excel做表格，连文件夹重命名都得问我，结果跟着我给的步骤，装Python、安工具库，一步步照着敲代码，不到20分钟就把那个设计网站的源码爬下来了。当时她自己都不敢信，说“这比我学PPT动画简单多了”。还有我朋友小林，刚开始连“命令提示符”是啥都不知道，我让她按Win+R输cmd，她还问我“Win是哪个键”，就这基础，照样跟着流程走，第一次运行代码的时候，看到命令行里跳出一堆源码，激动得给我发了三个感叹号。
其实关键就是别被“编程”两个字吓住，你想啊，咱们平时用导航软件，也不用知道它背后的算法吧？爬源码也是一个道理，我给你的代码都是现成的模板，你就改改网址，复制粘贴就行。唯一要注意的就是那几个“新手坑”，比如装Python时一定要勾选“Add Python to PATH”，我第一次教小林的时候，她就漏了这个，结果敲“python”没反应，急得直拍桌子，后来我远程帮她一看，补勾上就好了。所以你跟着步骤走，别跳过任何一步，零基础真的没问题——就像学骑自行车，看着难，上去蹬两下，你就会发现“哦，原来这么简单”。
零基础真的能学会爬取网站源码吗？
完全可以。文章中的方法专为零基础设计，无需编程基础，只需跟着步骤安装Python和工具库，复制示例代码修改网址即可。就像文中提到的“只会用Excel的表妹”和“不会建文件夹的小林”，都能在20分钟内完成基础爬取，重点是按流程操作，避开“忘记勾选PATH”这类新手常见坑。
安装requests或BeautifulSoup时提示“pip不是内部命令”怎么办？
这通常是安装Python时没勾选“Add Python to PATH”导致的。解决办法：重新运行Python安装包，选择“Modify”，勾选“Add Python to environment variables”完成修复；若已安装，可手动将Python安装路径（如C:Python39Scripts）添加到系统环境变量的“Path”中，重启命令行即可使用pip。
怎么判断一个网站是否允许爬取源码？
首先查看网站的robots协议（在网址后加“/robots.txt”，如百度的robots协议），文件中会明确标注禁止爬取的目录或内容（如“Disallow: /private/”）。 避免爬取需要登录的内容、付费数据或标注“版权所有，禁止转载”的页面。像文中 的，优先选择example.com、豆瓣公开书评等明确允许友好爬取的网站练手。
爬取时出现乱码或无法获取源码怎么办？
乱码问题可在获取源码后添加“response.encoding=”utf-8″”指定编码格式；若提示“SSL证书错误”，在requests.get()中加“verify=False”临时解决（仅测试用）；无法获取内容时，先检查网址是否正确（需带http/https），再确认网络连接，或尝试添加请求头模拟浏览器访问（如“headers={‘User-Agent’: ‘Mozilla/5.0’}”）。
爬下来的网站源码可以用来做什么？
合法用途包括：学习前端结构（分析HTML/CSS布局）、编程入门练习（通过源码理解代码逻辑）、个人数据研究（如统计公开信息）。但需注意：禁止将源码用于商业用途、二次分发或侵犯版权，爬取前务必确认内容的使用权限，避免法律风险。文中设计师朋友用源码离线研究排版就是很好的合规案例。
