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。
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
1 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
1 sudo pip install –
i https://pypi.tuna.tsinghua.edu.cn/simple requests
1 # 第一个爬虫示例,爬取百度页面
2 import requests #导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.get(“http://www.baidu.com”) #生成一个response对象
4 response.encoding = response.apparent_encoding #设置编码格式
5 print(“状态码:”+ str( response.status_code ) ) #打印状态码
6 print(response.text)#输出爬取的信息
1 # 第二个get方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.get(“http://httpbin.org/get”) #get方法
4 print( response.status_code ) #状态码
5 print( response.text )
1 # 第三个 post方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.post(“http://httpbin.org/post”) #post方法访问
4 print( response.status_code ) #状态码
5 print( response.text )
1 # 第四个 put方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.put(“http://httpbin.org/put”) # put方法访问
4 print( response.status_code ) #状态码
5 print( response.text )
如果需要传多个参数只需要用&符号连接即可如下:
1# 第五个 get传参方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.get(“http://httpbin.org/get?name=hezhi&age=20”) # get传参
4 print( response.status_code ) #状态码
5 print( response.text )
params用字典可以传多个
1 # 第六个 get传参方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 data = {“name”:“hezhi”,“age”:20}response = requests.get( “http://httpbin.org/get”, params=data ) # get传参
4 print( response.status_code ) #状态码
5 print( response.text )
1 # 第七个 post传参方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 data = {“name”:“hezhi”,“age”:20}response = requests.post( “http://httpbin.org/post” , params=data ) # post传参
4 print( response.status_code ) #状态码
5 print( response.text )
1 # 第好几个方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.get( “http://www.zhihu.com”)
#第一次访问知乎,不设置头部信息
4 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 2005 #下面是可以正常爬取的区别,更改了User-Agent字段
6 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”
7 }#设置头部信息,伪装浏览器
8 response = requests.get( “http://www.zhihu.com” , headers=headers ) #get方法访问,传入headers参数,
9 print( response.status_code ) # 200!访问成功的状态码
10 print( response.text )
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
1 # 爬取一个html并保存
2 import requests
3 url = “http://www.baidu.com”
4 response = requests.get( url )
5 response.encoding = “utf-8” #设置接收编码格式
6 print("nr的类型" + str( type(response) ) )
7 print("n状态码是:" + str( response.status_code ) )
8 print("n头部信息:" + str( response.headers ) )
9 print( “n响应内容:” )
10 print( response.text )
11 #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
12 file.write( response.text )
13 file.close()
1 #保存百度图片到本地
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数
3 response = requests.get(“https://www.baidu.com/img/baidu_jgylogo3.gif”)
#get方法的到图片响应
4 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
5 file.write(response.content) #写入文件
6 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
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试