10个python爬虫入门实例(小结)
【摘要】 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，Linux用户几乎一样:打开cmd输入以下命令即可，如果python的环境在C盘的目录，会...
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，Linux用户几乎一样:
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
|
1
|
pip install
-
i https:
/
/
pypi.tuna.tsinghua.edu.cn
/
simple requests
|
Linux用户类似(ubantu为例): 权限不够的话在命令前加入sudo即可
|
1
|
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
|
1
2
3
4
5
6
7
8
9
10
11
|
# 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.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
|
1
2
3
4
5
6
7
8
9
|
# 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
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
|
1
2
3
4
5
6
7
8
9
|
# 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
print
( response.status_code )
#状态码
print
( response.text )
|
4. put方法实例
|
1
2
3
4
5
6
7
8
9
|
# 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
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
|
1
2
3
4
5
6
7
8
9
|
# 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
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 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
}
print
( response.status_code )
#状态码
print
( response.text )
|
7.常用方法之post方法传参实例(2) 和上一个有没有很像
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
# 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
}
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 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
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
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
# 爬取一个html并保存
import
requests
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
|
1
2
3
4
5
6
7
8
9
10
11
|
#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
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
|
【版权声明】本文为华为云社区用户原创内容，转载时必须标注文章的来源（华为云社区）、文章链接、文章作者等基本信息， 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）