Python爬虫实例(一)

1.爬取搜狗页面源码信息并保存为html

import requests
if __name__ == "__main__":
    url = 'https://www.sogou.com/'#指定url
    response = requests.get(url = url)#发起请求,获取响应数据
    page_text = response.text
    print(page_text)
    with open('./sogou.html','w',encoding='utf-8') as fp:
        fp.write(page_text)#持久化储存
    print('爬取数据结束!')

2.爬取指定关键字的搜狗检索页面信息并保存为html
问号前面的存在url里
问号后面的存在字典里(问号后面包含哪些信息可以在页面检查中找到,此例中为’query’)
在这里面找参数

import requests
if __name__ == "__main__":
    url = 'https://www.sogou.com/web'
    kw = input('enter a word:')
    param = {
        'query':kw
    }
    response = requests.get(url = url, params = param)
    page_text = response.text
    fileName = kw+'.html'
    with open(fileName, 'w', encoding='utf-8') as fp:
        fp.write(page_text)
    print(fileName,'保存成功')

添加UA伪装(User-Agent伪装,伪装成浏览器发出的请求,而不是爬虫程序):

import requests
if __name__ == "__main__":
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36'
    }#UA伪装(任意网页右键检查->network->点击任意包->复制User-Agent)
    url = 'https://www.sogou.com/web'
    kw = input('enter a word:')
    param = {
        'query':kw
    }
    response = requests.get(url = url, params = param, headers = headers)
    page_text = response.text
    fileName = kw+'.html'
    with open(fileName, 'w', encoding='utf-8') as fp:
        fp.write(page_text)
    print(fileName,'保存成功')

3.破解百度翻译
翻译后与翻译前的url不变,代表是一个ajax请求,所以要在XHR下面找数据包。
返回来的是json数据
request.get与request.post的区别:Get是用来从服务器上获得数据,而Post是用来向服务器上传递数据(可以携带参数)。本次是post请求。
在这里插入图片描述
response返回的是字典
在这里插入图片描述

import requests
import json
if __name__ == "__main__":
    post_url = 'https://fanyi.baidu.com/sug'
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36'
    }
    word = input('enter a word:')
    data = {
        'kw':word
    }#携带信息
    response = requests.post(url = post_url, data = data, headers = headers)#发送请求
    dic_obj = response.json()#返回字典obj
    fileName = word+'.json'
    fp = open(fileName,'w',encoding = 'utf-8')
    json.dump(dic_obj,fp = fp, ensure_ascii = False)#保存(因为是中文,ASC码要选择false)
    print('over!')


确定类型是json才能使用response.json。
4.爬取豆瓣电影Top250
参数:
在这里插入图片描述

response最外边一层返回的是列表
在这里插入图片描述

import requests
import json
if __name__ == "__main__":
    url = 'https://movie.douban.com/j/chart/top_list'#url,只复制问号前面的
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.75 Safari/537.36'
    }
    param = {
        'type': '24',
        'interval_id': '100:90',
        'action':'',
        'start': '0',
        'limit': '20'
    }#修改参数,从第1部到第20部
    response = requests.get(url=url,params=param,headers=headers)
    list_data = response.json()
    fp = open('./douban.json', 'w', encoding='utf-8')
    json.dump(list_data, fp=fp, ensure_ascii=False)
    print('over')

保存后的json格式可以用json在线解析查看

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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