爬虫是神马？
根据百度百科有： “网络爬虫（又被称为网页蜘蛛，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，自动的抓取 万维网信息的程序或者脚本。…….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，在抓取网页的过程中，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。”
偶针对人人做了一些特化（换句话说拿到其他网站就没用了），人人网要访问首先得有个帐号，也就是说要先登录，然后服务器就可以根据session或 cookie来判断你在其他页面的登录情况，而对人人cookie就好了。当然，我们在一个浏览器登录，在另一个浏览器也可能还得要再登录一下，因为一般 情况下他们不共享cookie，除非专门去读某个浏览器的cookie。于是爬虫要爬人人，首先要登录…..然后保存cookie。
浏览器与服务器之间通讯主要都是Http协议，方法主要有GET和POST，（据《深入理解计算机系统》说，GET方法占了99%的HTTP请 求。），GET方法主要向服务器发送比较短的数据，主要将参数写到URL里面，而POST方法则可以发送比较长的数据，例如发这篇文章的话，则是用了 POST。想我们可以用”Telnet www.google.com 80”，然后键入”Get /”就可以可以收到和我们在浏览器打上”http://www.google.com/”同样的东西。爬虫也一样，就是不断地GET，POST……
要抓取所有好友的所有可见的相册有两种方法，一种是人工一个好友一个好友一个相册一个相册地下，另一种就是就给计算机让它自己去爬….因为我比较懒，所以选择第二种方法。
又到了“要怎么怎么样，首先怎么怎么样”的句式了～
要获取所有好友，可以在登录的情况下访问http://friend.renren.com/myfriendlistx.do，如果有用浏览器登 录的话，好友会被javascript分成很多页显示。在网页的某段javascript中有个变量叫friends，保存所有好友的信息，里面都是 {“id”:254905709,”vip”:false,”selected”:true,”mo”:true,”name”:”\u5b89 \u8feaAndy”,”head”:”http:\/\/hdn.xnimg.cn\/photos\/hdn321\/20110612 \/1600\/h_tiny_zFLc_715e000281932f76.jpg”,”groups”:[“\u534e\u5357\u7406 \u5de5\u5927\u5b66”]}这种元组，从这里，我们可以获取所有好友的id。
要获取某个人的所有相册，可以访问http://www.renren.com/profile.do?id=（某人的id）& v=photo_ajax&undefined，这个是怎么找出来的呢？我们登录一个人的主页时，然后点击相册，这个页面并没有刷新，只是由 AJAX替换了页面的一部分，它就是去Get那个路径，就返回了网页的一部分代码过来，替换掉现在的。所以我们也可以去Get那个路径，就可以获得包含所 有相册id的页面。
要获取一个相册里面的所有照片，这个要靠人人的一个Bug了，很无意发现的，你可以打开别人相册的排序照片的页面。在排序的页面，一个相册所有的照 片都列出来了，通过正则表达式，我们就可以拿到每张照片的id。排序的页面为http://photo.renren.com/photo/（某人的 id）/album-（相册id）/reorder。
经过了三句“要怎么怎么样，首先怎么怎么样”，我们拿到了所有好友的id，所有好友的所有相册的id，和所有好友的所有相册的所有照片的id。为什 么都是id呢？这个个人觉得用一个整数作为数据库元组的主码，性能会高些，而且对于一个32位整数，只占4字节，就可以标识4294967296个东西 了。加上在客户与服务器之间传送id也方便。
拥有这些id我们可以做什么，目前什么都做不了，我们访问http://photo.renren.com/photo/（某人的id） /photo-（相片id）就可以在网页中代码中发现AJAX返回的一段代码代码中有一句”largeurl”:”http:\ /\/fmn.rrimg.com\/fmn049\/20110621\/1520 \/p_large_S5jA_37eb000165dc5c3f.jpg”，这就是一张照片的真正地址了，然后我们把里面的””给删掉就可以下载了。
好，于是我们就可以这样写出一个残缺不全的爬虫了……….对于人人的新鲜事，可以把一个页面的url抓出来筛选后放到一个优先队列里，再从优先队列里选一个最优的进入，重复上一步，直到队列为空或者其他情况….
源码地址： https://github.com/cedricporter/renren