目录
1.简介
requeset模块:python中原生的一款基于网络请求的模块,功能强大,简单便捷,且高效
作用:模拟浏览器发送请求
如何使用(requests模块的编码流程):
- 指定url(Uniform Resource Locator,统一资源定位符)
- 发起请求
- 获取响应数据
- 持久化存储
环境安装:pip install requests
2.实战演练
(1)爬取搜狗首页的页面数据
"""爬取搜狗首页的页面数据"""
import requests
if __name__=="__main__":
url='https://www.sogou.com/' #指定url
response=requests.get(url=url) #发起请求,get方法会返回一个响应对象
page_text=response.text #获取响应数据,.text返回的是字符串形式的响应数据
with open('./sogou.html','w',encoding='utf-8') as fp: #持久化储存
fp.write(page_text)
print("爬取数据结束")
注:encoding=utf-8意思是编码格式为UTF-8格式。
编码是用预先规定的方法将文字、数字或其它对象编成数码,或将信息、数据转换成规定的电脉冲信号。为保证编码的正确性,编码要规范化、标准化,即需有标准的编码格式。
(2)爬取搜狗指定词条对应的搜索结果的页面数据
"""爬取搜狗指定词条对应的搜索结果的页面数据"""
#UA伪装:让爬虫对应的请求载体的身份标识伪装成某一款浏览器
#UA检测:门户网站的服务器会检测对应请求的载体的身份标识,如果检测到请求的载体身份标识为某一款浏览器,说明该请求是一个正常的请求;但是如果检测请求的载体身份标识不是基于某一款浏览器的,则表示该请求为不正常请求,则服务器可能会拒绝请求
#User-Agent(请求载体的身份标识)
import requests
if __name__=="__main__":
#UA伪装:将对应的User-Agent封装到一个字典中
headers={
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.5359.125 Safari/537.36'
}
url='https://www.sogou.com/web?query=波晓张'
#处理url携带的参数:封装到字典中
kw=input('enter a word:')
param={
'query':kw
}
#对指定的eurl发起的请求对应的url是携带参数的,并且请求过程中处理了参数
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")
注:反爬策略:UA检测;反反爬策略:UA伪装
(3)破解百度翻译
"""破解百度翻译dog"""
import requests
if __name__=="__main__":
#第一步:指定url
post_url='https://fanyi.baidu.com/sug'
#第二步:进行UA伪装
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.5359.125 Safari/537.36'}
#第三步:有参数的话进行参数处理,post请求参数处理(同get请求一致)
data={'kw':'dog'}
#第四步:请求发送
response=requests.post(url=post_url,data=data,headers=headers)
#第五步:获取响应数据:json方法返回的是obj(对象)(如果确认响应数据是json类型,才可以使用json())
dic_obj=response.json()
print(dic_obj)
"""破解百度翻译"""
import requests
if __name__=="__main__":
#第一步:指定url
post_url='https://fanyi.baidu.com/sug'
#第二步:进行UA伪装
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.5359.125 Safari/537.36'}
#第三步:有参数的话进行参数处理,post请求参数处理(同get请求一致)
word=input("enter a word")
data={'kw':word}
#第四步:请求发送
response=requests.post(url=post_url,data=data,headers=headers)
#第五步:获取响应数据:json方法返回的是obj(对象)(如果确认响应数据是json类型,才可以使用json())
dic_obj=response.json()
print(dic_obj)
"""破解百度翻译"""
import json
import requests
if __name__=="__main__":
#第一步:指定url
post_url='https://fanyi.baidu.com/sug'
#第二步:进行UA伪装
headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/108.0.5359.125 Safari/537.36'}
#第三步:有参数的话进行参数处理,post请求参数处理(同get请求一致)
word=input("enter a word")
data={'kw':word}
#第四步:请求发送
response=requests.post(url=post_url,data=data,headers=headers)
#第五步:获取响应数据:json方法返回的是obj(对象)(如果确认响应数据是json类型,才可以使用json())
dic_obj=response.json()
#持久化储存
fileName=word+'json'
fp=open('./dog.json','w',encoding='utf-8')
json.dump(dic_obj,fp=fp,ensure_ascii=False)
print('over!!!')
注:阿贾克斯请求成功后,会在当前页面进行局部刷新