requests实例
UA检测:
门户网站的服务器会检测对应请求的载体身份标识(user-agent),如果检测到请求的载体身份标识为某一款浏览器,说明该请求是正常的请求。但是,UA若不是基于某浏览器的,则表示该请求为不正常的请求(爬虫),则服务器端有可能会拒绝此次请求。
UA伪装:
让爬虫对应的请求载体标识伪装成某一款浏览器。将对应的UA封装到一个字典中
1.简单的网页采集器:
import requests
if __name__ == "__main__":
#UA伪装:将对应的UA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/78.0.3904.108 Safari/537.36'
}
url = "https://www.sogou.com/web" #1.指定url
key_word = input('enter a key world:')
#带参数的url
param ={
'query':key_word
}
response = requests.get(url=url,params=param,headers=headers) # 2.发起请求
page_text = response.text # 3.获取响应数据
file_name = key_word + '.html'
with open(file_name, 'w', encoding='utf-8') as fp:
fp.write(page_text) # 4.存储
print('保存成功!')
2.破解百度翻译:
import requests
import json
if __name__ == "__main__":
post_url = 'https://fanyi.baidu.com/sug'
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36'
}
key_word = input('input key word:')
data = {
'kw':key_word
}
#post请求发送
ret = requests.post(url=post_url, data=key_word, headers=headers)
#获取相应数据:json()返回的是对象(如果确认的相应数据类型是json,才可以使用json)
page_json = ret.json()
#存储数据
file_name = key_word + '.json'
fp = open(file_name, 'w', encoding='utf-8')
json.dump(page_json,fp=fp, ensure_ascii=False)
print('保存成功!')