当前位置:   article > 正文

10个Python爬虫入门实例,建议收藏!!(附代码)_爬虫程序

爬虫程序

带伙伴们学习python爬虫,准备了几个简单的入门实例,分享给大家。

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,建议先装一下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  
  • 1

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

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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

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 )  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21

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

微信搜索公众号:架构师指南,回复:架构师 领取资料 。

# 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()  
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26

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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

最后

需要资料的朋友可以看文末

01 专为0基础设置,小白也能轻松学会

我们把Python的所有知识点,都穿插在了漫画里面。

在Python小课中,你可以通过漫画的方式学到知识点,难懂的专业知识瞬间变得有趣易懂。
在这里插入图片描述

在这里插入图片描述

你就像漫画的主人公一样,穿越在剧情中,通关过坎,不知不觉完成知识的学习。

02 无需自己下载安装包,提供详细安装教程

在这里插入图片描述

03 规划详细学习路线,提供学习视频

在这里插入图片描述

在这里插入图片描述

04 提供实战资料,更好巩固知识

在这里插入图片描述

05 提供面试资料以及副业资料,便于更好就业

在这里插入图片描述
在这里插入图片描述

这份完整版的Python全套学习资料已经上传CSDN,朋友们如果需要也可以扫描下方csdn官方二维码或者点击主页和文章下方的微信卡片获取领取方式,【保证100%免费】
在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/运维做开发/article/detail/776613
推荐阅读
相关标签
  

闽ICP备14008679号