了解网页
网页定义
网页是一个包含HTML标签的纯文本文件,它可以存放在世界某个角落的某一台计算机中,是万维网中的一“页”,是超文本标记语言格式(标准通用标记语言的一个应用,文件扩展名为.html或.htm)。网页通常用图像档来提供图画。网页要通过网页浏览器来阅读。
网页组成
- 页面结构:HTML
HTML是标记语言(标记标签)
<h1>Hello World</h1>
<div>Hello Python.</div>
效果如下:
- 页面样式:CSS
CSS叫层叠样式表,它主要负责页面中各个部分的样式,如:字体大小、颜色,布局等。可嵌入HTML里面,也可以单独成页。
<h1 style=‘color:red’>Hello World</h1>
<div>Hello Python.</div>
效果如下 :
- 增加功能:javascript
Javascript是脚本语言,它是连接前台和后台服务器的桥梁,它是操纵html的能手,为页面添加各种操作,使页面动起来。
<script type="text/javascript">
alert('js课程开始了')
</script>
学习Python的requests 库
Request库方法介绍
方法 | 说明 |
---|---|
requests.request() | 构造一个请求,支撑一下各方法的基础方法 |
requests.get() | 获取HTML网页的主要方法,对应于HTTP的GET |
requests.head() | 获取HTML网页头信息的方法,对应于HTTP的HEAD |
requests.post() | 向HTML网页提交POST请求的方法,对应于HTTP的POST |
requests.put() | 向HTML网页提交PUT请求的方法,对应于HTTP的PUT |
requests.patch() | 向HTML网页提交局部修改请求,对应于HTTP的PATCH |
requests.delete() | 向HTML页面提交删除请求,对应于HTTP的DELETE |
request.get()方法
构造一个向服务器请求资源的Request对象
返回一个包含服务器资源的Response对象
import requests
url = "https://www.baidu.com"
r =requests.get(url)
response对象的属性
属性 | 说明 |
---|---|
r.status_code | HTTP请求的返回状态,200表示连接成功,404表示失败 |
r.text | HTTP响应内容的字符串形式 |
r.encoding | 从HTTP header中猜测的响应内容编码方式 |
r.apparent_encoding | 从内容分析出的响应内容编码方式 |
r.content | HTTP响应内容的二进制形式 |
使用request爬取网站信息
爬取豆瓣的电影信息
import requests
import time
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:75.0) Gecko/20100101 Firefox/75.0'
}
def getHTMLText(url):
try:
r = requests.get(url,headers = headers,timeout = 30)
r.raise_for_status()
r.encoding=r.apparent_encoding
return r.text
except:
return "产生异常"
def main():
page =10
for index in range(page):
url = "https://movie.douban.com/top250?start="+str(25*index)
print(getHTMLText(url))
if __name__ == "__main__":
print(main())
效果是爬取豆瓣电影上所有的网站信息