10个python爬虫入门实例
共 9140字，需浏览 19分钟
·
2024-04-12 04:54
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
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-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）