10个python爬虫的实例
小编给大家分享一下10个python爬虫的实例,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获,下面让我们一起去了解一下吧!
我们提供的服务有:成都网站制作、做网站、微信公众号开发、网站优化、网站认证、巫山ssl等。为近1000家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务,是有科学管理、有技术的巫山网站制作公司
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
小贴士:开始实例之前,请安装好python环境哦~
实例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
实例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 )
实例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 )
实例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 )
实例5、常用方法之get方法传参(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 )
实例6、 常用方法之get方法传参(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 )
实例7、常用方法之post方法传参(3)
# 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 )
实例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 )
实例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()
实例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("/upload/otherpic54/863.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
以上是10个python爬虫的实例的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联行业资讯频道!
本文标题:10个python爬虫的实例
浏览路径:http://pwwzsj.com/article/gicsdj.html