网络爬虫也叫网络蜘蛛，是一种自动获取网页内容的程序，爬虫抓取的网页将会被搜索引擎系统储存，进行一定的分析、过滤，并建立索引，以便之后的用户能够查询到这个页面。这个获取信息的程序就是爬虫。
爬虫为搜索引擎收集内容，搜索引擎展示的内容大部分是爬虫收集的。
那么网络爬虫是怎么工作的呢?（网络爬虫基本原理）
爬虫通过漫游的形式进行抓取，爬虫爬到一个页面后，看到一个链接，然后顺着那个链接又爬到另外一个页面，爬虫是不停的从一个页面跳到另外一个页面的，它一边下载这个网页，一边在提到这个网页中的链接，那个页面上所有的链接都放在一个公用的“待抓取列表”里。而且爬虫有个特点，就是他在访问你网站之前，不去做判断你这个网页本身怎么样的，不对网页内容判断就抓取，但是会有优先级的划分，尽可能不抓重复的内容，尽量抓重要内容(比如网站的公共部分)。搜索引擎同时会派出多个爬虫进行多线程的抓取，所有被爬虫抓取的网页将会被系统储存，进行一定的分析、过滤(去重)，并建立索引，以便之后的查询和检索。
根据搜索引擎进行分类，目前有百度爬虫 Baiduspider 百度蜘蛛 谷歌爬虫 Googlebot
爬虫下载链接后进行提取如下：
评论