VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > 网站开发 > JavaScript >
  • 10个python爬虫入门实例

昨天带伙伴萌学习python爬虫,准备了几个简单的入门实例

涉及主要知识点:

  1. web是如何交互的
  2. requests库的get、post函数的应用
  3. response对象的相关函数,属性
  4. python文件的打开,保存

代码中给出了注释,并且可以直接运行哦

如何安装requests库(安装好python的朋友可以直接参考,没有的,建议先装一哈python环境)

windows用户,Linux用户几乎一样:

打开cmd输入以下命令即可,如果python的环境在C盘的目录,会提示权限不够,只需以管理员方式运行cmd窗口


pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests
 
 

Linux用户类似(ubantu为例): 权限不够的话在命令前加入sudo即可


sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests
 
 

1.爬取强大的BD页面,打印页面信息


# 第一个爬虫示例,爬取百度页面 import requests #导入爬虫的库,不然调用不了爬虫的函数 response = requests.get("http://www.baidu.com") #生成一个response对象 response.encoding = response.apparent_encoding #设置编码格式 print("状态码:"+ str( response.status_code ) ) #打印状态码 print(response.text)#输出爬取的信息
 
 

2.常用方法之get方法实例,下面还有传参实例


# 第二个get方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.get("http://httpbin.org/get") #get方法 print( response.status_code ) #状态码 print( response.text )
 
 

3. 常用方法之post方法实例,下面还有传参实例


# 第三个 post方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.post("http://httpbin.org/post") #post方法访问 print( response.status_code ) #状态码 print( response.text )
 
 

4. put方法实例


# 第四个 put方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.put("http://httpbin.org/put") # put方法访问 print( response.status_code ) #状态码 print( response.text )
 
 

5.常用方法之get方法传参实例(1)

如果需要传多个参数只需要用&符号连接即可如下


# 第五个 get传参方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.get("http://httpbin.org/get?name=hezhi&age=20") # get传参 print( response.status_code ) #状态码 print( response.text )
 
 

6.常用方法之get方法传参实例(2)

params用字典可以传多个


# 第六个 get传参方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 data = { "name":"hezhi", "age":20 } response = requests.get( "http://httpbin.org/get" , params=data ) # get传参 print( response.status_code ) #状态码 print( response.text )
 
 

7.常用方法之post方法传参实例(2) 和上一个有没有很像


# 第七个 post传参方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 data = { "name":"hezhi", "age":20 } response = requests.post( "http://httpbin.org/post" , params=data ) # post传参 print( response.status_code ) #状态码 print( response.text )
 
 

8.关于绕过反爬机制,以zh爸爸为例


# 第好几个方法实例 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.get( "http://www.zhihu.com") #第一次访问知乎,不设置头部信息 print( "第一次,不设头部信息,状态码:"+response.status_code )# 没写headers,不能正常爬取,状态码不是 200 #下面是可以正常爬取的区别,更改了User-Agent字段 headers = { "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36" }#设置头部信息,伪装浏览器 response = requests.get( "http://www.zhihu.com" , headers=headers ) #get方法访问,传入headers参数, print( response.status_code ) # 200!访问成功的状态码 print( response.text )
 
 

9.爬取信息并保存到本地,

因为目录关系,在D盘建立了一个叫做爬虫的文件夹,然后保存信息

注意文件保存时的encoding设置


# 爬取一个html并保存 import requests url = "http://www.baidu.com" response = requests.get( url ) response.encoding = "utf-8" #设置接收编码格式 print("\nr的类型" + str( type(response) ) ) print("\n状态码是:" + str( response.status_code ) ) print("\n头部信息:" + str( response.headers ) ) print( "\n响应内容:" ) print( response.text ) #保存文件 file = open("D:\\爬虫\\baidu.html","w",encoding="utf-8") #打开一个文件,w是文件不存在则新建一个文件,这里不用wb是因为不用保存成二进制 file.write( response.text ) file.close()
 
 

10.爬取图片,保存到本地


#保存百度图片到本地 import requests #先导入爬虫的库,不然调用不了爬虫的函数 response = requests.get("https://www.baidu.com/img/baidu_jgylogo3.gif") #get方法的到图片响应 file = open("D:\\爬虫\\baidu_logo.gif","wb") #打开一个文件,wb表示以二进制格式打开一个文件只用于写入 file.write(response.content) #写入文件 file.close()#关闭操作,运行完毕后去你的目录看一眼有没有保存成功
 
 

 

__EOF__

 
本文作者h3zh1 本文链接:https://www.cnblogs.com/h3zh1/p/12548946.html


相关教程