10個python爬蟲入門例項(小結)
阿新 • • 發佈:2020-11-02
昨天帶夥伴萌學習python爬蟲,準備了幾個簡單的入門例項
涉及主要知識點:
- web是如何互動的
- requests庫的get、post函式的應用
- response物件的相關函式,屬性
- python檔案的開啟,儲存
程式碼中給出了註釋,並且可以直接執行哦
如何安裝requests庫(安裝好python的朋友可以直接參考,沒有的,建議先裝一哈python環境)
windows使用者,Linux使用者幾乎一樣:
開啟cmd輸入以下命令即可,如果python的環境在C盤的目錄,會提示許可權不夠,只需以管理員方式執行cmd視窗
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests
Linux使用者類似(ubantu為例): 許可權不夠的話在命令前加入sudo即可
sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests
1.爬取強大的BD頁面,列印頁面資訊
# 第一個爬蟲示例,爬取百度頁面 import requests #匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.get("http://www.baidu.com") #生成一個response物件 response.encoding = response.apparent_encoding #設定編碼格式 print("狀態碼:"+ str( response.status_code ) ) #列印狀態碼 print(response.text)#輸出爬取的資訊
2.常用方法之get方法例項,下面還有傳參例項
# 第二個get方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.get("http://httpbin.org/get") #get方法 print( response.status_code ) #狀態碼 print( response.text )
3. 常用方法之post方法例項,下面還有傳參例項
# 第三個 post方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.post("http://httpbin.org/post") #post方法訪問 print( response.status_code ) #狀態碼 print( response.text )
4. put方法例項
# 第四個 put方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.put("http://httpbin.org/put") # put方法訪問 print( response.status_code ) #狀態碼 print( response.text )
5.常用方法之get方法傳參例項(1)
如果需要傳多個引數只需要用&符號連線即可如下
# 第五個 get傳參方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.get("http://httpbin.org/get?name=hezhi&age=20") # get傳參 print( response.status_code ) #狀態碼 print( response.text )
6.常用方法之get方法傳參例項(2)
params用字典可以傳多個
# 第六個 get傳參方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 data = { "name":"hezhi","age":20 } response = requests.get( "http://httpbin.org/get",params=data ) # get傳參 print( response.status_code ) #狀態碼 print( response.text )
7.常用方法之post方法傳參例項(2) 和上一個有沒有很像
# 第七個 post傳參方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 data = { "name":"hezhi","age":20 } response = requests.post( "http://httpbin.org/post",params=data ) # post傳參 print( response.status_code ) #狀態碼 print( response.text )
8.關於繞過反爬機制,以zh爸爸為例
# 第好幾個方法例項 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.get( "http://www.zhihu.com") #第一次訪問知乎,不設定頭部資訊 print( "第一次,不設頭部資訊,狀態碼:"+response.status_code )# 沒寫headers,不能正常爬取,狀態碼不是 200 #下面是可以正常爬取的區別,更改了User-Agent欄位 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" }#設定頭部資訊,偽裝瀏覽器 response = requests.get( "http://www.zhihu.com",headers=headers ) #get方法訪問,傳入headers引數, print( response.status_code ) # 200!訪問成功的狀態碼 print( response.text )
9.爬取資訊並儲存到本地,因為目錄關係,在D盤建立了一個叫做爬蟲的資料夾,然後儲存資訊
注意檔案儲存時的encoding設定
# 爬取一個html並儲存 import requests url = "http://www.baidu.com" response = requests.get( url ) response.encoding = "utf-8" #設定接收編碼格式 print("\nr的型別" + str( type(response) ) ) print("\n狀態碼是:" + str( response.status_code ) ) print("\n頭部資訊:" + str( response.headers ) ) print( "\n響應內容:" ) print( response.text ) #儲存檔案 file = open("D:\\爬蟲\\baidu.html","w",encoding="utf") #開啟一個檔案,w是檔案不存在則新建一個檔案,這裡不用wb是因為不用儲存成二進位制 file.write( response.text ) file.close()
10.爬取圖片,儲存到本地
#儲存百度圖片到本地 import requests #先匯入爬蟲的庫,不然調用不了爬蟲的函式 response = requests.get("https://www.baidu.com/img/baidu_jgylogo3.gif") #get方法的到圖片響應 file = open("D:\\爬蟲\\baidu_logo.gif","wb") #開啟一個檔案,wb表示以二進位制格式開啟一個檔案只用於寫入 file.write(response.content) #寫入檔案 file.close()#關閉操作,執行完畢後去你的目錄看一眼有沒有儲存成功
到此這篇關於10個python爬蟲入門例項(小結)的文章就介紹到這了,更多相關python爬蟲入門內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!