零基础学python爬虫-零基础学习python

1、Url的格式简单介绍，如下图：

2、我们要对网站进行访问，需要用到python中的一个模块或者说一个包吧，urllib（这个在python2中是urllib+urllib2，python3将这两个合并为一）

Urllib这个包内有几个模块，我们用最难的那个就可以啦，哈哈哈，request模块。

urllib.request.urlopen(url, data=None, [timeout, ]*, cafile=None, capath=None, cadefault=False, context=None)

url: 网站地址 data：Post要提交的数据（不写的话默认为get请求） timeout：设置网站的访问超时时间

直接用urllib.request模块的urlopen（）获取页面，html的数据格式为bytes类型，需要decode（）解码，转换成str类型。

举个简单的实例，我们爬取百度的网址：

importurllib.request as urt #模块别名

response= urt.urlopen(r"https://www.cnblogs.com/") #获取博客地址内容

html=response.read() #因为是一个对象，所以用读的方式将内容读出

html= html.decode('utf-8')　　　　　　#因为是二进制(byte的类型)的字符串，要解码成unicodeprint(html)

urlopen返回对象提供方法：

read() , readline() ,readlines() , fileno() , close() ：对HTTPResponse类型数据进行操作。

info()：返回HTTPMessage对象，即服务器返回的头信息。

getcode()：返回Http状态码。

geturl()：返回请求的url地址。

urllib.request.urlopen实际上执行的是两个动作，先是urllib.request.Request(url)然后再urlopen这个对象，因此我们可以通过Request来包装请求，然后再通过urlopen来访问地址。

urllib.request.Request(url, data=None, headers={}, method=None)

importurllib.request

url= r'http://www.lagou.com/zhaopin/Python/?labelWords=label'

#以字典形式添加，当然有些只需要添加User-Agent 即可

headers={'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36','Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label','Connection': 'keep-alive'}

req= urllib.request.Request(url, headers=headers) #这里可以添加header头

page=urllib.request.urlopen(req).read()

page= page.decode('utf-8')print(page)

用来包装头部的数据：

User-Agent ：这个头部可以携带如下几条信息：浏览器名和版本号、操作系统名和版本号等

Referer：可以用来防止盗链，有一些网站图片显示来源http://***.com，就是检查Referer来鉴定的

Connection：表示连接状态，记录Session的状态。

刚刚开始的时候我们用urlopen做了get请求，现在我们试试post请求，以下面实例进行讲解：

from urllib importrequest, parse

url= r'https://www.lagou.com/jobs/companyAjax.json?needAddtionalResult=false&isSchoolJob=0'headers={'User-Agent': r'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36','Referer': r'http://www.lagou.com/zhaopin/Python/?labelWords=label','Connection': 'keep-alive'}

data={'first': 'true','pn': 1,'kd': 'Java'}

data= parse.urlencode(data).encode('utf-8') #Post的数据必须是bytes或者iterable of bytes，不能是str，因此需要进行encode（）编码

req= request.Request(url, headers=headers, data=data) #也可以将data数据在urlopen中再传入

page=request.urlopen(req).read()

page= page.decode('utf-8')print(page)

这里需要注意下：urllib.parse.urlencode(query, doseq=False, safe='', encoding=None, errors=None)，这个是将数据格式变成人家能看懂的数据，经过urlencode（）转换后的data数据为URL后面加上?first=true?pn=1?kd=Java

当然，有些网站为了防止别人爬虫或者恶意访问，可能会做诸多限制，比如发现同一个ip一秒内下载了几十张图片，那么这肯定就有可能不是正常访问，因此很可能就会判断为爬虫或者其它，然后发个验证码让你输入，为了避免这种情况出现，于是乎我们使用代理的方式进行访问，例子如下：

urllib.request.ProxyHandler(proxies=None)

importurllib.requestimportrandom

url= 'http://www.whatismyip.com.tw'iplist= ['180.149.131.67:80','27.221.93.217:80','111.2.122.46:8080']

proxy_support= urllib.request.ProxyHandler({'http':random.choice(iplist)})

opener=urllib.request.build_opener(proxy_support)

opener.addheaders= [('User-Agent','Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/5')]

urllib.request.install_opener(opener)

response=urllib.request.urlopen(url)

html= response.read().decode('utf-8')print(html)

上面是代码，我们来详细说下整个过程：

1、首先我们先创建一个代理处理器 ProxyHandler，ProxyHandler是一个类，其参数是一个字典，上面就是我们的iplist，我们本来也可以写一个ip，但是由于免费的代理ip不稳定，因此我们写成了一个列表，然后每次随机从列表中取出一个代理Ip。

什么是Handler？Handler也叫作处理器，每个handlers知道如何通过特定协议打开URLs，或者如何处理URL打开时的各个方面，例如HTTP重定向或者HTTP cookies。

2、定制（创建）一个opener，opener = urllib.request.build_opener(proxy_support)

什么是opener？python在打开一个url链接时，就会使用opener。其实，urllib.request.urlopen()函数实际上是使用的是默认的opener，只不过在这里我们需要定制一个opener来指定handler。

3、安装opener，urllib.request.install_opener(opener)，install_opener 用来创建（全局）默认opener，这个表示调用urlopen将使用你安装的opener，当然你也可以不用安装，你可以直接opener.open(url)，修改上面的代码为：

importurllib.requestimportrandom

url= 'http://www.whatismyip.com.tw'iplist= ['180.149.131.67:80','27.221.93.217:80','111.2.122.46:8080']

proxy_support= urllib.request.ProxyHandler({'http':random.choice(iplist)})

opener=urllib.request.build_opener(proxy_support)

opener.addheaders= [('User-Agent','Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/5')]#urllib.request.install_opener(opener) #注释了这一行，下一行修改为 opener.open(url)，但是我们这样修改如果使用urlopen的话就不会打开我们特制的opener，因此这个看需求而定。

response =opener.open(url)

html= response.read().decode('utf-8')print(html)

下面说下异常处理，详细就不多说了，看下就知道了，如下：

from urllib importrequest, parse

data={'first': 'true','pn': 1,'kd': 'Java'}

data= parse.urlencode(data).encode('utf-8') #Post的数据必须是bytes或者iterable of bytes，不能是str，因此需要进行encode（）编码

try:

req= request.Request(url, headers=headers, data=data) #也可以将data数据在urlopen中再传入

page =request.urlopen(req).read()

page= page.decode('utf-8')print(page)excepterror.HTTPError as e:print(e.code())print(e.read().decode('utf-8'))

零基础学python爬虫-零基础学习python_爬虫（53课）相关推荐

学python需要什么基础-学Python需要什么基础知识?零基础可以学Python吗？
学Python需要什么基础知识?一般来说,想要学Python最好具备一定的计算机专业知识,尤其是数学和英语不错的话,对学Python也有一定的帮助.但是零基础的学习者就不能学Python了吗?当然不是 ...
零基础学python电子书-零基础学Python
准备自学Python朋友,不放来看看<零基础学Python>吧!小编这里为各位送上的是这本书的全彩PDF版,该书从初学者角度出发,通过通俗易懂的语言.流行有趣的实例,详细地介绍了使用IDL ...
零基础学python难_0基础学python有多难
相对于其他编程语言来说,Python并不是很难,入门简单,容易上手,对于零基础的人来说,入门Python是不难的,但是想要学精学通,则要花费一定的时间和精力.Python是主流的编程语言,应用性非常高 ...
有c语言基础学python容易吗_学习Python需要先学C语言吗?0基础学Python难度大吗?
今天小编要跟大家分享的文章是关于学习Python需要先学C语言吗?0基础学Python难度大吗?想要学习或者了解Python相关知识就来和小编一起看一看本篇文章吧! 1.学Python需要先学C语言吗 ...
零基础学python实战-零基础学习python_类和对象（36-40课）
今天我们开始学习面向对象的知识咯,之前我对面向对象也学的懵懵的,因为感觉知道好像又不是特别清楚,接下来我们一起来学习类和对象吧.零基础的课程我都是看小甲鱼的视频学的,没基础的可以去这个网址下载视频学习 ...
零基础自学python教程-零基础学Python不迷茫——基本学习路线及教程
什么是Python? 在过去的2018年里,Python成功的证明了它自己有多火,它那"简洁"与明了的语言成功的吸引了大批程序员与大数据应用这的注意,的确,它的实用性的确是配的上它 ...
零基础学python实战-苦苦发愁学习Python？让你享受 7天掌握Python的感觉
Python的优势是什么? 大数据时代,越来越多的人开始把python应用到数据分析领域,因为pyhton在表格操作.数据可视化等方面有其独特的优势,主要体现在以下3个方面: 一是编程上手快 pyth ...
零基础学python电子书-零基础入门学习Python epub高清电子书
作者: 小甲鱼出版社: 清华大学出版社出版年: 2016-11-1 下载地址(回复可见) 此处内容需要评论回复后内容简介本书提倡理解为主,应用为王.因此,只要有可能,小甲鱼(注:作者)都会通过 ...
零基础学python还是c语言-学习python还是c语言?
并不是大神,只是CS专业的一名小学生.先说结论,强烈推荐先学C. 简单地说,你用半年时间学C语言,学会之后,再去学C++只需三个月,学python这种东西只要一个月,牛逼的人一个星期也能掌握. 可是反 ...
零基础学python书籍-0基础学python，有什么教程或者书可以推荐吗？
推荐两本适合小白的python书籍,希望能对你有所帮助. <python编程从入门到实践> /> 本书是一本针对所有层次的Python 读者而作的Python 入门书.全书分两部分: ...

零基础学python爬虫-零基础学习python_爬虫（53课）

零基础学python爬虫-零基础学习python_爬虫（53课）相关推荐

最新文章

热门文章