python网络爬虫与信息提取嵩天百度网盘_基于MOOC嵩天《Python网络爬虫与信息提取》视频学习记录——第一周:requests库...
1.requests库入门
requests的get( )方法
爬取百度网页实例:
import requests
r = requests.get("http://www.baidu.com")
print(r.status_code)
r.enconding = 'utf-8'
print(r.text)
爬取结果:
requests库的七个主要方法
requsets对象的属性
理解requests的编码
理解requests的异常
爬取网页的通用代码框架
import requests
def getHTMLText (url) :
try:
r = requests.get (url, timeout=30)
r.raise_for_status() # 如果状态不是200,引发HTTPError异常
r.encoding = r.apparent_encoding
return r.text
except:
return "产生异常"
if __name__ == "__main__"
url = "http://www.baidu.com"
print(getHTMLText(url))
理解put和pouch的区别
requests的head( )方法
requests的post( )方法
requests.request
requests.request(method, url, **kwargs)
method:请求方式
**kwargs:控制访问的参数,均为可选项
1)params:字典或字节序列,作为参数增加到url中
2)data:字典、字节序列或文件对象,作为Request的内容
3)json:JSON格式的数据,作为Request的内容
4)headers:字典,HTTP定制头
5)cookies:字典或CookieJar, Request中的cookie
6)auth:元组,支持HTTP认证功能
7)files:字典类型,传输文件
8)timeout:定超时时间,秒为单位
9)proxies:字典类型,设定访问代理服务器,可以增加登录认证
10)allow redirects:True/False, 默认为True,重定向开关
11)stream:True/False, 默认为True,获取内容立即下载开关
12)verify:True/False, 默认为True,认证SSL证书开关
13)cert:本地SSL证书路径
2.爬虫之“盗亦有道”
robots协议
一般放置于网站的根目录下,用于告知网络爬虫爬取网站的相应准则。
3.requests库网络爬虫实战
1)爬取京东商品
import requests
url = 'https://item.jd.com/100007958768.html'
try:
r= requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[:1000])
except:
print('爬取错误')
爬取结果
2)亚马逊商品爬取
在实际测试中,我们发现r.status_code的返回值不为200,即爬取错误,此时我们查看一下request的头部信息:
我们可以看到,在’user_Agent’中,我们忠实的告诉亚马逊服务器,我们这次网络访问,是由网络爬虫进行的。
此时,我们可以构造一个键值对,用于修改头部信息:
kv = {'user_Agent':'Mozilla/5.0'}
然后再用get函数进行访问,同时对头部信息进行修改:
r = requests.get(url,headers = kv)
然后再进行r.status_code,可以发现返回值为200
以下为全代码:
import requests
url = 'https://www.amazon.cn/dp/B075R5LCFY/ref=lp_658809051_1_1?s=books&ie=UTF8&qid=1569419053&sr=1-1'
try:
kv = {'user_Agent':'Mozilla/5.0'}
r= requests.get(url,headers = kv)
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[1000:2000])
except:
print('爬取错误')
3)百度/360搜索关键词提交
已知搜索引擎关键字的提交接口:
百度搜索引擎关键字提交:
import requests
try:
url = 'http://www.baidu.com/s'
kv = {'wd':'冬月枫'}#冬月枫是我女神
r = requests.get(url,params = kv)
r.raise_for_status()
r.enconding = r.apparent_encoding
print(len(r.text))
except:
print('爬取失败')
360搜索引擎关键字提交:
import requests
try:
url = 'http://www.so.com/s'
kv = {'q':'相泽南'} #相泽南是我另一个女神
r = requests.get(url,params = kv)
r.raise_for_status()
r.enconding = r.apparent_encoding
print(len(r.text))
except:
print('爬取失败')
4)网络图片的爬取与存储
import requests
import os
url = 'https://ss3.bdstatic.com/70cFv8Sh_Q1YnxGkpoWK1HF6hhy/it/三上悠亚.jpg'
root = 'D://三上悠亚//'#三上悠亚是我老婆
path = root + url.split('/')[-1]#路径为根目录 + 图片名
try:
if not os.path.exists(root) :
os.mkdir (root)#判断根目录存不存在,不存在则创建
if not os.path.exists(path) :
r = requests.get(url)#判断path是否存在,不存在则get请求捕获url
with open(path,'wb') as f:
f.write(r.content)
f.close()#写入文件(图片为二进制格式)
print("文件保存成功")
except:
print("爬取失败")
爬取结果:
5)IP地址归属地的自动查询
import requests
try:
r = requests.get('http://m.ip138.com/ip.asp?ip=202.204.80.112')
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[-500:])
except:
print("爬取失败")
爬取结果:
python网络爬虫与信息提取嵩天百度网盘_基于MOOC嵩天《Python网络爬虫与信息提取》视频学习记录——第一周:requests库...相关推荐
- 嵩天python爬虫百度云盘_基于MOOC嵩天《Python网络爬虫与信息提取》视频学习记录——第一周:requests库...
1.requests库入门 requests的get( )方法 在这里插入图片描述 爬取百度网页实例: import requests r = requests.get("http://ww ...
- 北京尚学堂python 百度网盘_北京尚学堂_1903期_Python_全套视频教程(视频、源码、课件)...
北京尚学堂_1903期_Python_全套视频教程(视频.源码.课件) |____尚学堂官网.url |____尚学堂_程序员修炼手册(电子版).url |____软件开发常用词汇(北京尚学堂发布). ...
- python网络爬虫 百度网盘_百度网盘爬虫(如何爬取百度网盘)
因为要做去转盘网(分类模式点我),所以一定要爬取网盘资源,本来想自己写一个爬虫挺不容易的,不想分享出来,但最后还是决定了拿给大家一起看吧,毕竟有交流才有进步,有兴趣的朋友也可以看看我写的其他日志或者关 ...
- 百度网盘爬虫(如何爬取百度网盘)
因为要做去转盘网(分类模式点我),所以一定要爬取网盘资源,本来想自己写一个爬虫挺不容易的,不想分享出来,但最后还是决定了拿给大家一起看吧,毕竟有交流才有进步,有兴趣的朋友也可以看看我写的其他日志或者关 ...
- python百度网盘_百度网盘突然大调整,网友炸了..
点击上方 "数据科学杂谈"关注公众号和我一起提升 然后点击右上角三个点,设为"星标",即使获取更多知识 来源:不正经程序员 转自:不正经程序员 近日,百度网盘在 ...
- python进阶训练营百度网盘_(在线观看)【完结】私域流量实战训练营(百度网盘分享下载)...
今日推荐(在线观看)[完结]私域流量实战训练营(百度网盘分享下载)对 (在线观看)[完结]私域流量实战训练营(百度网盘分享下载)感兴趣的朋友可以学习参考 (有需要的找我,你就可以拥有这个课程)需要此 ...
- python登陆百度网盘_百度网盘命令行版本bypy
表白:黑白圣堂血天使,天剑鬼刀阿修罗. 讲解对象:/百度网盘命令行版本bypy作者:融水公子 rsgz百度网盘教程 http://www.rsgz.top/post/399.html为了大家可以在co ...
- python 数据分析 百度网盘_[百度网盘]利用Python进行数据分析(Python For Data Analysis中文版).pdf - Jan-My31的博客 - 磁力点点...
利用Python进行数据分析(Python For Data Analysis中文版).pdf - Jan-My31的博客 2018-5-27 · 链接:https://pan.baidu.com/s ...
- 数据科学家访谈录 百度网盘_您应该在数据科学访谈中向THEM提问。
数据科学家访谈录 百度网盘 A quick search on Medium with the keywords "Data Science Interview" resulted ...
最新文章
- Dropbox 的用户付费账户降级策略
- Flutter 案例学习之:GridView
- 错误记录​:使用CLLocationManager不走代理方法
- stm32时钟树_先学STM8,还是学STM32?
- awk 第一个文件的数字乘以第二个文件的数字
- Java运行环境的配置
- python全局名称空间_21、Python之名称空间与作用域
- UCF101数据集处理
- LABVIEW详细介绍:LABVIEW是什么软件?都可以干什么?
- Linux为sh脚本文件添加执行权限
- Network: unavailable
- 北美票房:奥斯卡提名影片票房回春
- 店铺定位目的,品牌传播,产品、人群、价格定位
- tomcat守护进程
- 2-3 CAD基础 删除(erase)
- Linux git配置
- python使用 pywin32 模块操作 excel,Python 操作 excel 系列之五
- TJPU-32 分解质因数
- 进阶篇:4.3)DFA设计指南:宽松公差及人性装配及其他
- VS、ReSharper 设置修改代码颜色、提高代码辨识度!附VS超实用快捷!
热门文章
- PeopleSoft登录流程
- Cocos2dx游戏开发系列笔记9:android手机上运行《战神传说》,并解决横竖屏即分辨率自适应...
- 有关modelsim/Questa Sim中出现蓝线高阻态(Z)的问题解决
- 光通信的发展历程—从古至今
- 《MySQL技术》学习笔记——使用SQL管理数据
- Mysql Cluster 8.0.26搭建
- a key holding the wrong kind of value
- 机器学习中的泛化能力
- 基于C#+SQL Server的餐饮信息管理系统设计与实现 报告+项目源码及数据库文件
- 利元亨深圳研发中心(龙华分公司)成立!