Python-网站页面代码获取

Python3.6

库：urllib3, bs4

主程序是抓取亚马逊图书销售排名数据，但是亚马逊应该是加了反爬虫，拒绝疑似机器人的请求，这部分暂时以百度代替。

其实简单的页面抓取，常用的urllib.request就能实现，但是urllib3功能更多，应用前景更广，需要学习。

首先导入模块：

import urllib3, bs4

定义要访问的页面：

urltest = 'https://www.baidu.com'

定义函数，这里对比两种解码方法：

def httpget():http = urllib3.PoolManager()   #首先产生一个PoolManager实例urllib3.disable_warnings()     #忽略https的无效证书警报page = http.request('GET','%s'%urltest)   #发起GET请求print(page.status)        #服务器返回的代码print(page.data)          #服务器返回的数据，返回的是xml字符串print(page.data.decode())  #利用默认'utf-8'编码格式去解码res = bs4.BeautifulSoup(page.data,'lxml')  #利用lxml模块解码print(res)return None

执行函数httpget()输出结果：

200
b'<!DOCTYPE html><!--STATUS OK--><body link="#0000cc"><div ...（#省略）

<!DOCTYPE html><!--STATUS OK-->
<html>
<head><meta http-equiv="content-type" content="text/html;charset=utf-8"><meta http-equiv="X-UA-Compatible" content="IE=Edge"><link rel="dns-prefetch" href="//s1.bdstatic.com"/><link rel="dns-prefetch" href="//t1.baidu.com"/><link rel="dns-prefetch" href="//t2.baidu.com"/><link rel="dns-prefetch" href="//t3.baidu.com"/><link rel="dns-prefetch" href="//t10.baidu.com"/><link rel="dns-prefetch" href="//t11.baidu.com"/><link rel="dns-prefetch" href="//t12.baidu.com"/><link rel="dns-prefetch" href="//b1.bdstatic.com"/><title>百度一下，你就知道</title>...（#省略）　　...（#省略）

</body></html><!DOCTYPE html>
<!--STATUS OK--><html>
<head>
<meta content="text/html;charset=utf-8" http-equiv="content-type"/>
<meta content="IE=Edge" http-equiv="X-UA-Compatible"/>
<link href="//s1.bdstatic.com" rel="dns-prefetch"/>
<link href="//t1.baidu.com" rel="dns-prefetch"/>
<link href="//t2.baidu.com" rel="dns-prefetch"/>
<link href="//t3.baidu.com" rel="dns-prefetch"/>
<link href="//t10.baidu.com" rel="dns-prefetch"/>
<link href="//t11.baidu.com" rel="dns-prefetch"/>
<link href="//t12.baidu.com" rel="dns-prefetch"/>
<link href="//b1.bdstatic.com" rel="dns-prefetch"/>
<title>百度一下，你就知道</title>
...（#省略）...（#省略）

</body></html>Process finished with exit code 0

在这里两种解码方式都没出错，但是如果换成比较复杂的页面，普通的decode()方式就容易报错。

比如京东这个页面：

url = 'https://item.jd.com/6072622.html'

将urltest替换成url之后执行代码，执行结果如下：

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 146: invalid start byte

转载于:https://www.cnblogs.com/auqarius/p/9003610.html

Python-网站页面代码获取相关推荐

宝付-上海宝付网站页面代码如何搞定
这个是处理表单的页面,其实如果按照你说的,只有一个用户名的话,那就不用数据库咯.满简单的. <% AdminName=request("AdminName") Passwor ...
python五十行代码获取很多很多个好看图片
下载一个图片网址的主要函数,请求头的话可以根据不同的网址跟换相应的Cookie 啥的,截取文件名称可能也许要对应的修改下. # 下载图片 def download_img(img_url):heade ...
网站页面代码优化的方法有哪些呢？
在制作网站页面的时候,所产生的HTML源代码中肯定有一些是网站不需要的,例如空格和注释,这就是垃圾代码,而这些垃圾代码会增加页面文件的大小,另外,一些网站页面制作方式也会增加页面文件大小. 页面文件太 ...
使用Python代码获取网站反应时间的实战代码
大家好,我是爱编程的喵喵.双985硕士毕业,现担任全栈工程师一职,热衷于将数据思维应用到工作与生活中.从事机器学习以及相关的前后端开发工作.曾在阿里云.科大讯飞.CCF等比赛获得多次Top名次.现 ...
python爬虫小说代码示例-中文编程，用python编写小说网站爬虫
原标题:中文编程,用python编写小说网站爬虫作者:乘风龙王原文:https://zhuanlan.zhihu.com/p/51309019 为保持源码格式, 转载时使用了截图. 原文中的源码块 ...
python爬小说代码_中文编程，用python编写小说网站爬虫
原标题:中文编程,用python编写小说网站爬虫作者:乘风龙王原文:https://zhuanlan.zhihu.com/p/51309019 为保持源码格式, 转载时使用了截图. 原文中的源码块 ...
使用Python开发轻量级的Web框架以及基于WSGI的服务器来实现一个网站页面
说明:该篇博客是博主一字一码编写的,实属不易,请尊重原创,谢谢大家! 目录一丶项目说明二丶数据准备三丶使用网络TCP开发一个基于WSGI协议的Web服务器四丶使用python3开发一个轻量级的 ...
获取clientheight为0_用10行python代码获取全国城市交通生活圈
今天在网上冲浪看到一个很花哨的数据,全国各城市主要商圈从早上6点到晚上10点的20min,30min,45min,60min,90min生活圈轮廓. 1 获取思路按下F12 按下F12,点击淮海路可 ...
php获取页面视频文件,PHP获取各大视频网站页面中的Flash播放地址
先看一个简单的,我用PHP实现了这个功能,我觉得用PHP来做这项工作简直是一种享受!使用其提供的强大的HTML页面处理函数和正则表达式,短短的几行代码就能搞定这个功能. 贴一下关键代码: //获取优酷 ...

Python-网站页面代码获取

Python-网站页面代码获取相关推荐

最新文章

热门文章