在学校蹭过python的课,觉得python异常强大,趁寒假有时间,瞎搞一下,希望能和大伙一起探讨学习。废话不多说了,直接正题。
requests 是Python的http库,可以完成绝大部分与http应用相关的工作,当然对一些常规的数据抓取还是很方便。
详细看手册:
http://docs.python-requests.org/zh_CN/latest/user/quickstart.html
比如这两行代码
url=”www.baidu.com”
resp = requests.get(url)
requests的 get 返回值是一个 Response 对象,这个对象有很多属性text、encoding、status_code、links等,(具体用help查看啦0.0),这个对象的text属性即(resp.text)包含了相应的HTML文本,我们想要爬的数据就是在这里啦,encoding是显示resp.text的编码,也可以修改编码。
requests传递 URL 参数也是非常方便的,普及一下URL参数,是指:来定位网络上信息资源的地址,比如
https://s.taobao.com/search?q=python 是淘宝搜索python
https://s.taobao.com/search?q=java 就是淘宝搜索java
大家对比一下不同之处就是改变了url参数,我们可以用字典来提供这些URL参数,详细看手册!!!
接下来的例子功能是:淘宝搜索python,把1到100页商品信息的名称、单价、地址保存到taobao_test.txt文件中
准备工作:
1、python开发环境
2、re库
3、requests库
#coding=utf-8
import re
import requests
url = 'https://s.taobao.com/search'
payload = {'q': 'python','s': '1','ie':'utf8'} #字典传递url参数
file = open('taobao_test.txt','w',encoding='utf-8')
for k in range(0,100): #100次,就是100个页的商品数据
payload ['s'] = 44*k+1 #此处改变的url参数为s,s为1时第一页,s为45是第二页,89时第三页以此类推
resp = requests.get(url, params = payload)
print(resp.url) #打印访问的网址
resp.encoding = 'utf-8' #设置编码
title = re.findall(r'"raw_title":"([^"]+)"',resp.text,re.I) #正则保存所有raw_title的内容,这个是书名,下面是价格,地址
price = re.findall(r'"view_price":"([^"]+)"',resp.text,re.I)
loc = re.findall(r'"item_loc":"([^"]+)"',resp.text,re.I)
x = len(title) #每一页商品的数量
for i in range(0,x) : #把列表的数据保存到文件中
file.write(str(k*44+i+1)+'书名:'+title[i]+'\n'+'价格:'+price[i]+'\n'+'地址:'+loc[i]+'\n\n')
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
代码比较短,证明requests模块的方便,代码可能有点臃肿,txt文件结果没问题
ps:第一次写技术型的博客,这是起点,希望能互相学习成长,也当记录学习笔记。