【Python自学笔记】10个爬虫入门实例,附源码与注释
涉及知识点:
- web是如何交互的
- requests库的get、post函数的应用
- response对象的相关函数,属性
- 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,没有的,建议先装一下Python环境,windows用户,Linux用户几乎一样:
1.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
2.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
# 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
# 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(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(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
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 requestsurl = "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") #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
自学的道路很枯燥,但坚持下来眼前会一片光明与希望,咸鱼与翻身就在一念之间,但能坚持下来的才最可怕,加油。
感谢观看,更多Python精彩内容可以看小编主页。
点击领取
Python自学笔记10:实操案例七(根据星座测试性格特点.模拟12306火车订票下单) 网课传送门:https://www.bilibili.com/video/BV1Sw411Z779?p=157 ... Python毕设-[课堂人脸签到系统]附源码课件/允许白嫖 文章目录 Python毕设-[课堂人脸签到系统]附源码课件/允许白嫖 系统简介 一.本课题拟解决的问题 二.系统技术栈 三.开发工具 四.数 ... 原文 C#共享内存实例 附源码 网上有C#共享内存类,不过功能太简单了,并且写内存每次都从开头写.故对此进行了改进,并做了个小例子,供需要的人参考. 主要改进点: 通过利用共享内存的一部分空间(以下称 ... 原本就是学生会主席,在学校如此优秀的他,毕业参加工作,依然展现出好强的一面. 每天认真的工作,即使在工作之余也要用来给自己充电,所以难免会忽略女友,不够关心,免不了发脾气,甚至是争吵. 有一天,曾经大 ... 原标题:程序员炫技必备:用Python生成马赛克画!(文末附源码) 源 | Python与数据分析文 | 强哥 大家知道马赛克画是什么吗?不是动作片里的马赛克哦~~ 马赛克画是一张由小图拼成的大图,本 ... 效果 相关文章 OSG -- 笔记1 - 指令调用模型 OSG -- 笔记2 - 加载模型(附源码) OSG -- 笔记3 - 绘制矩形(附源码) ... 文章目录 前言 一.minium介绍 二.安装环境 1. 安装minium doc 2. 安装minium 3. 启动小程序 三.准备知识 1. 启动 2. 配置 3. 命令行运行 4. 元素定位 5 ... 前言 今天教大家如何利用 firefox 分析百度翻译的接口,并用python爬取接口.大家学会后可以干一些有趣的事情,比如做一个自己的翻译软件. 具体内容 1 - 找到URL接口 进入百度翻译的网址 ... 首先去freemarker官网下载源码jar包,本文是基于freemarker-2.3.21.tar.gz进行研究的.解压源码包,找到freemarker的源码部分导入eclipse工程中.需要注意的 ... 1.Python Hello World 实例 # -*- coding: UTF-8 -*- # Filename : helloworld.py # author by : www.runoob. ...【Python自学笔记】10个爬虫入门实例,附源码与注释相关推荐
最新文章
热门文章