龙空技术网

10 个 Python 爬虫入门实例

Python职场圈 513

前言:

如今各位老铁们对“好的python爬虫教程”大致比较着重,你们都想要学习一些“好的python爬虫教程”的相关文章。那么小编也在网摘上收集了一些关于“好的python爬虫教程””的相关内容,希望朋友们能喜欢,小伙伴们一起来学习一下吧!

来源:cnblogs.com/h3zh1/p/12548946.html

带伙伴们学习python爬虫,准备了几个简单的入门实例,分享给大家。

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

pip install -i ;requests

Linux用户类似(ubantu为例): 权限不够的话在命令前加入sudo即可

sudo pip install -i ;requests

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(";)  #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(";)  #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(";)  #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(";)  # 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(";)  # 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( "; , params=data )  # 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) 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( "; , params=data )  # 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( ";)  #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( "; , headers=headers )  #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 requestsurl = ";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

#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(";)  #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

< END >

标签: #好的python爬虫教程