4.22 python 网络页面爬取
对国家体育总局(例)页面进行简单爬取
运行结果截图:
代码:
import requests
url="http://www.sport.gov.cn/n316/n336/c947645/content.html"
try:
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.72 Safari/537.36 Edg/90.0.818.42'}
r = requests.get(url,headers=headers)
r.raise_for_status()
r.encoding=r.apparent_encoding
html=r.text
print(html) #可省略
fo=open("output1.html","w+",encoding="utf-8")
fo.write(html)
fo.close()
except:
print("爬取失败!")
以写入的形式open一个文件
然后把爬取的页面html写入进去
!!!备注:
查看浏览器的访问头部信息: 打开浏览器,访问要爬取的网站,在空白处点右键,点击检查(有的浏览器叫审查元素),找到网络(network),刷新页面(浏览器的刷新按钮),然后网络里会出来一串东西,找到第一个,左键点击,切换到标头(headers),拉到请请求标头,最下面就是user-agent。