Python爬虫模拟浏览器示例

Python爬虫模拟浏览器

抓取 https://read.douban.com/provider/all 网页中的所有出版社的名称。网页如图:

待抓取网页抓取的网页图

查看网页源码

w网页源码

代码实现

方法1 :

import re
import urllib.request
from urllib.request import urlopen, Request
pattern = '<div class="name">(.*?)</div>'   # 使用正则表达式抽取,输出的东西在()之中
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) '
                        'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'} #模拟浏览器
ret = Request("https://read.douban.com/provider/all", headers=headers)
data = urlopen(ret).read().decode('utf-8')
result = re.compile(pattern).findall(str(data))  #全局匹配
fh = open("C:/Users/Echo/Desktop/result.txt‪", "w") # 写入文档
for index in range(len(result)):
    fh.write(result[index]+"\n")
print(result)


方法2 :使用全局变量,添加之后与一般爬取流程相同:

headers = {"User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)"
                         " Chrome/83.0.4103.116 Safari/537.36"}
opener = urllib.request.build_opener()
opener.addheaders = [opener]
urllib.request.install_opener(opener)

输出结果如图所示:

在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值