10个python爬虫入门实例(小结)


Posted in Python onNovember 01, 2020

昨天带伙伴萌学习python爬虫,准备了几个简单的入门实例

涉及主要知识点:

  1. web是如何交互的
  2. requests库的get、post函数的应用
  3. response对象的相关函数,属性
  4. 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 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

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

# 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?name=hezhi&age=20") # 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" , 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( "http://httpbin.org/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( "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" , 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 requests

url = "http://www.baidu.com"

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("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

到此这篇关于10个python爬虫入门实例(小结)的文章就介绍到这了,更多相关python爬虫入门内容请搜索三水点靠木以前的文章或继续浏览下面的相关文章希望大家以后多多支持三水点靠木!

Python 相关文章推荐
Python+Django在windows下的开发环境配置图解
Nov 11 Python
Python中MYSQLdb出现乱码的解决方法
Oct 11 Python
Python中的高级数据结构详解
Mar 27 Python
剖析Django中模版标签的解析与参数传递
Jul 21 Python
Python聊天室程序(基础版)
Apr 01 Python
python实现植物大战僵尸游戏实例代码
Jun 10 Python
python3读取图片并灰度化图片的四种方法(OpenCV、PIL.Image、TensorFlow方法)总结
Jul 04 Python
解决pycharm下os.system执行命令返回有中文乱码的问题
Jul 07 Python
PYTHON发送邮件YAGMAIL的简单实现解析
Oct 28 Python
python画图常规设置方式
Mar 05 Python
浅析python 定时拆分备份 nginx 日志的方法
Apr 27 Python
python 如何停止一个死循环的线程
Nov 24 Python
利用pipenv和pyenv管理多个相互独立的Python虚拟开发环境
Nov 01 #Python
Python经纬度坐标转换为距离及角度的实现
Nov 01 #Python
详解Anaconda安装tensorflow报错问题解决方法
Nov 01 #Python
python Cartopy的基础使用详解
Nov 01 #Python
Python中使用aiohttp模拟服务器出现错误问题及解决方法
Oct 31 #Python
关于python中导入文件到list的问题
Oct 31 #Python
python批量检查两个对应的txt文件的行数是否一致的实例代码
Oct 31 #Python
You might like
在“咖啡之国”感受咖啡文化
2021/03/03 咖啡文化
利用PHP实现智能文件类型检测的实现代码
2011/08/02 PHP
PHP使用Session遇到的一个Permission denied Notice解决办法
2014/07/30 PHP
PHP实现Soap通讯的方法
2014/11/03 PHP
php实现简单的权限管理的示例代码
2017/08/25 PHP
Javascript 日期处理之时区问题
2009/10/08 Javascript
Extjs中TabPane如何嵌套在其他网页中实现思路及代码
2013/01/27 Javascript
javascript自启动函数的问题探讨
2013/10/05 Javascript
jQuery中outerHeight()方法用法实例
2015/01/19 Javascript
JavaScript实现对下拉列表值进行排序的方法
2015/07/15 Javascript
jQuery自定义滚动条完整实例
2016/01/08 Javascript
基于Layer+jQuery的自定义弹框
2020/05/26 Javascript
vue.js选中动态绑定的radio的指定项
2017/06/02 Javascript
十大 Node.js 的 Web 框架(快速提升工作效率)
2017/06/30 Javascript
利用pm2部署多个node.js项目的配置教程
2017/10/22 Javascript
Python开发的单词频率统计工具wordsworth使用方法
2014/06/25 Python
解读Django框架中的低层次缓存API
2015/07/24 Python
Python创建二维数组实例(关于list的一个小坑)
2017/11/07 Python
教你用一行Python代码实现并行任务(附代码)
2018/02/02 Python
浅谈django的render函数的参数问题
2018/10/16 Python
75条笑死人的知乎神回复,用60行代码就爬完了
2019/05/06 Python
python实现大文本文件分割
2019/07/22 Python
python+requests实现接口测试的完整步骤
2020/10/27 Python
python 利用panda 实现列联表(交叉表)
2021/02/06 Python
HTML5文档结构标签
2017/04/21 HTML / CSS
蔻驰法国官网:COACH法国
2018/11/14 全球购物
网络技术支持面试题
2013/04/22 面试题
升职自荐信
2013/11/28 职场文书
公司员工检讨书
2014/02/08 职场文书
财务部总监岗位职责
2014/03/12 职场文书
五年级学生评语大全
2014/12/26 职场文书
酒店工程部主管岗位职责
2015/04/16 职场文书
Python+Appium新手教程
2021/04/17 Python
十个Python自动化常用操作,即拿即用
2021/05/10 Python
Unity连接MySQL并读取表格数据的实现代码
2021/06/20 MySQL
Vue3.0写自定义指令的简单步骤记录
2021/06/27 Vue.js