10个python爬虫入门实例
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，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
(
"状态码:"
+
str
(
response
.
status_code
)
)
#打印状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
response
.
status_code
)
#状态码
(
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
(
"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，
(
response
.
status_code
)
# 200！访问成功的状态码
(
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
(
"\nr的类型"
+
str
(
type
(
response
)
)
)
(
"\n状态码是:"
+
str
(
response
.
status_code
)
)
(
"\n头部信息:"
+
str
(
response
.
headers
)
)
(
"\n响应内容:"
)
(
response
.
text
)
#保存文件
file
=
open
(
"D:\\爬虫\\baidu.html"
,
"w"
,
encoding
=
"utf-8"
)
#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
链接：https://www.cnblogs.com/h3zh1/p/12548946.html
（版权归原作者所有，侵删）