Как проводится парсинг

Всё зависит от того что парсить и чем парсить. Можно парсить документы и таблицы, а можно парсить сайты. При чём сайты парсить сложнее чем документы, ибо сайтов великое множество и у каждого своя архитектура, что сильно усложняет парсинг.

Общая схема парсинга чего бы то ни было выглядит так:

Первый шаг, он же самый сложный. Существует много способов защитить контент от парсинга. Начиная от полной его блокировкой (без пароля его не достать), заканчивая блокирования по IP, HTTP-заголовкам.

Извлечь данные обычно не предоставляется чем-то не выполнимым. Обычно это текст или какая-нибудь статистическая информация.

Об обработке и сохранении информации можно говорить много, скажу лишь то, что информацию обычно обрабатывают и сохраняют в заранее указанном формате от заказчика или исходя от потребности.

Данных обычно много, и чтобы спарсить их все требуются очень большие вычислительные возможности с применением многопоточности и облачных вычислений.

Обычно парсер пишут на python-е, не на чистом конечно же, но с использованием соответствующих библиотек. И преимущество этого языка в том, что для любой информации, в какой бы то ни было форме и формате она не была представлена, существует своя библиотека.