• python爬虫笔记(二)request库的使用(实例:贴吧爬虫)


    1. requests库安装

    推荐使用anaconda,自带

    2. requests使用

    import requests
    
    r = requests.get("http://www.baidu.com")
    print(r.status_code)
    
    r.encoding = 'utf-8'
    print(r.text)

    2.1 Requests库的get()方法

     

    2.2 Response对象

    (1)判断请求是否成功

    assert response.status_code == 200

     

    2.3 requests模块发送带headers的请求

    (1)如果没有模拟浏览器,对方服务器只会返回一小部分内容

    (2)为了模拟浏览器,所以需要发送带header请求

     

    2.4 requests发送带参数的请求

    (1)url编码格式

    https%3A%2F%2Fwww.baidu.com%2Fs%3Fwd%3Dpython&logid=8596791949931086675&signature=aa5a72defcf92845bdcdac2e55e0aab3&timestamp=1579276087

    解码:

    https://www.baidu.com/s?wd=python&logid=8596791949931086675&signature=aa5a72defcf92845bdcdac2e55e0aab3&timestamp=1579276087

    (2)字符串格式化另一种方式

    import requests
    
    headers = {"User-Agent" : "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36"}
    
    ps = {"wd":"python"}
    url_tmp = "https://www.baidu.com/s?wd={}".format("python")
    
    r = requests.get(url=url_tmp, headers=headers)
    print(r.status_code)
    print(r.request.url)

    3. 通用代码框架

     

     

     

     

     

     

    4. 几个例子

    5. 实例:贴吧爬虫

    # -*- coding: utf-8 -*-
    
    import requests
    
    class TiebaSpider(object):
        def __init__(self, tieba_name):
            self.tieba_name = tieba_name
            self.url_temp = "http://tieba.baidu.com/f?kw="+tieba_name+"&ie=utf-8&pn={}"
            self.headers = {"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36"}
        
        def get_url_list(self):     # 构造url列表
            url_list = []
            for i in range(100):
                url_list.append(self.url_temp.format(i*50)) 
            return url_list
            
        def parse_url(self, url):   # 2.遍历,发送请求,获取响应
            print(url)
            response = requests.get(url, headers=self.headers)
            return response.content.decode()
            
        def save_html(self, html_str, page_num):   # 3.保存html字符串
            file_path = "{}_第{}页.html".format(self.tieba_name, page_num)
            with open(file_path, "w", encoding="utf-8") as f:      # "成果_第1页.html"
                f.write(html_str)
            
        def run(self):  # 实现主要逻辑
            # 1.构造url列表
            url_list = self.get_url_list()
            # 2.遍历,发送请求,获取响应
            for url in url_list:
                html_str = self.parse_url(url)
                # 3.保存
                page_num = url_list.index(url) + 1   # 页码数
                self.save_html(html_str, page_num)
            
            
    if __name__ == '__main__':
        tieba_spider = TiebaSpider("成果")
        tieba_spider.run()

     

     

    (1)补充:列表推导式

    扁平胜于嵌套

  • 相关阅读:
    (转)UML类图关系(泛化 、继承、实现、依赖、关联、聚合、组合)
    (转)使用 Document!X 为自己的dll生成一个漂亮的说明文档
    我的游戏学习日志42——游戏机制设计(2)
    我的游戏学习日志41——游戏机制设计(1)
    我的游戏学习日志40——游戏概念设计(2)
    我的游戏学习日志39——游戏概念设计(1)
    我的游戏学习日志38——游戏性的评估标准(2)
    我的游戏学习日志37——游戏性的评估标准(1)
    我的游戏学习日志36——游戏结构(小结)
    我的游戏学习日志35——游戏结构(4)
  • 原文地址:https://www.cnblogs.com/douzujun/p/12203648.html
Copyright © 2020-2023  润新知