- 如何获取京东商品页面信息
京东允许爬虫获取可见信息
代码如下
以iphone11为例子,结果如下
如何爬取亚马逊商品页面
代码如下,结果如下
结果失败了,我们继续查看我们发出的request的头部信息。
在user-agent一处,被查出来是requests库的请求,而亚马逊不允许此请求。我们修改头部信息为morilla /5.0的请求,这个morilla /5.0浏览器算是标准的浏览器。
修改之后成功爬取
如何爬取图片
先获取图片地址,代码如下
content代表二进制,因为图片是以二进制存储的,with open 中的文件如果不存在,它会自动创造一个。结果如下
如何自动搜索关键词
百度查询接口:http://www.baidu.com/s?wd=keyword
360查询接口: http://www.so.com/s?q=keyword
代码如下
可以看到,通过get,获取到查询接口,返回结果的长度在30k左右
如何获取IP地址的归属
需要拥有Ip库,但是python并不带有ip库,可以通过IP138网站查询。
IP138的查询接口:http://m.ip138.com/if.asp?ip=ipaddress
代码如下
结果如下,可以看到这个IP属于清华大学官网