环境与上一篇一样windows,editplus,python-2.7.6(且我前面文章有介绍过配置过程)
另外介绍一个抓包工具fiddler,超级好用的,特别是在以后你需要爬一些很复杂网站时。(不要它是英文就接受不了,上手很快的)
以前都是用beautifulsoup,现在想从头尝试用urllib2.
urllib2是python提供的抓取网页的组件。
1.最简单例子:
import urllib2
response = urllib2.urlopen("http://www.baidu.com/")
html = response.read()
print html
输出就是百度首页的编码。
2.下面是一个需要发送数据的爬虫简单例子。发送方式时get。(其实我自己也不知道为什么,在浏览器的网站栏里,网站的url中的中文是正常显示的,但是我把url拷到editplus里之后就变了,好吧,拷到其他地方也是这样。。。不知道是为什么,开始还担心请求会不成功的,后来还是有数据的。看来是我的web开发学的不到位,如果有知道原因的,请留言告诉我一声,虽然这件事和这个例子没什么关系。。。)
#coding=utf-8 import urllib import urllib2
#http://dujia.qunar.com/pq/list_%E5%AE%9C%E6%98%8C?searchfrom=around&arounddep=%E6%AD%A6%E6%B1%89&tf=Ihot_01 data = {} data['searchfrom'] = 'around' data['arounddep'] = '%E6%AD%A6%E6%B1%89' data['tf'] = 'Ihot_01'
value = urllib.urlencode(data) print value url = 'http://dujia.qunar.com/pq/list_%E5%AE%9C%E6%98%8C' + '?' + value
response = urllib2.urlopen(url)
print response.read()
3.也是需要发送数据的爬虫例子。这个是post方式的。
import urllib import urllib2
#http://dujia.qunar.com/pq/list_%E5%AE%9C%E6%98%8C?searchfrom=around&arounddep=%E6%AD%A6%E6%B1%89&tf=Ihot_01 data = {} data['searchfrom'] = 'around' data['arounddep'] = '%E6%AD%A6%E6%B1%89' data['tf'] = 'Ihot_01'
value = urllib.urlencode(data) print value
url = 'http://dujia.qunar.com/pq/list_%E5%AE%9C%E6%98%8C'
response = urllib2.urlopen(url,value)
print response.read()
貌似两个也没大差哈~
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