菏泽网站建设兼职,辽宁沈阳网站建设,定制网站建设费用预算,天津建设工程投标信息昨天带伙伴学习python爬虫#xff0c;准备了几个简单的入门实例#xff0c;涉及主要知识点#xff1a;
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#xff0c;属性
python文件的打开#xff0c;保存
代码中给出了注释#xff0c;并且…昨天带伙伴学习python爬虫准备了几个简单的入门实例涉及主要知识点
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(安装好python的朋友可以直接参考没有的建议先装一哈python环境)
windows用户打开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
Linux用户权限不够的话在命令前加入sudo即可。
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方法实例下面还有传参实例
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方法实例下面还有传参实例
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方法传参实例(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?namehezhiage20”) # get传参
print( response.status_code ) #状态码
print( response.text )
6、常用方法之get方法传参实例(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” , paramsdata ) # get传参
print( response.status_code ) #状态码
print( response.text )
7、常用方法之post方法传参实例(2)PS: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” , paramsdata ) # 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” , headersheaders ) #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 requests
url “http://www.baidu.com”
response requests.get( url )
response.encoding “utf-8” #设置接收编码格式
print( r的类型 str( type(response) ) )
print( 状态码是: str( response.status_code ) )
print( 头部信息: str( response.headers ) )
print( 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
文章来源网络 版权归原作者所有
上文内容不用于商业目的如涉及知识产权问题请权利人联系小编我们将立即处理
