随便写写-爬虫第一周心得 (一)
requests的基本使用
通过第一周的学习,个人认为只要把python基础语法掌握好,对于爬虫的学习可以说是水到渠成,接下来我将分
而最简单的只需要掌握requests的用法,接下来就简单讲讲requests的用法。
import requests
# 通过requests给指定的网页发送get请求
response = requests.get('https://www.baidu.com/')
# 设置文本编码方式(解决打印乱码)
response.encoding = 'utf-8'
# 打印请求到的内容
print(response.text)
而爬虫也需要对前端的知识有所掌握,不要求会怎么用,只需要知道每个标签的含义,方便爬取,接下来就随便讲讲前端的知识。
1.网页基本结构
实现一个网页需要用到三个技术:
html - 负责网页中的内容
css - 负责内容的样式和布局
js - 负责内容的变化
2.html基本结构
html是一种超文本标记语言(类似markdown语法),是通过不同的标记(标签)来给网页提供不同的内容。
html标签表示整个网页
head标签表示网页顶部的部分
body标签表示网页显示数据的内容部分
3.html基本语法
1)语法
双标签:<标签名 属性1=属性值1 属性2=属性值2 ...>标签内容</标签名>
单标签:<标签名 属性1=属性值1 属性2=属性值2 ...> 或者 <标签名 属性1=属性值1 属性2=属性值2 .../>
2)说明
标签名 - 标签名有哪些是固定的,哪些标签是双标签哪些标签是单标签也是固定的
属性 - 哪些标签有哪些属性是固定的;多个属性之间用空格隔开,属性名和值用=连接, 属性值不管是什么都必须在双引号里面
常见标签和表单相关标签就不细说了,有兴趣得可以自己去搜索有关前端的知识。接下来我们继续深究requests的用法。
requests:是python用来发送http请求的一个第三方库
1.发送请求获取响应
requests.get(url) - 发送get请求
requests.post(url) - 发送post请求
response = requests.get('https://www.baidu.com')
2.获取响应内容
1)状态码
code = response.status_code
print(code)
if code == 200:
print('请求成功,后续获取返回的数据')
else:
print('请求失败')
2)修改返回数据的编码方式(一般针对文本数据乱码的时候)
设置的值是网页源代码中charset的值
response.encoding = 'utf-8'
3)获取响应体(服务器返回的数据)
a.获取文本数据(返回数据是网页源代码)
data = response.text
print(data)
b.获取json数据(返回的数据是json格式的数据)
response.json()
c.获取二进制数据(下载图片)
response.content
下一篇是关于如果遇到不能爬取的网页,又该怎么办?