爬虫——2020-9-28 requests实例（简易网页采集器）

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！')