一个简单Python爬虫

该代码示例使用Python的urllib.robotparser和requests库,检查并遵循Robots协议,以Baiduspider为useragent尝试抓取斗鱼网站的目录页面。如果允许爬取,则下载网页内容并保存为bd-html文件;否则,输出不允许爬取的信息。
摘要由CSDN通过智能技术生成
import urllib.robotparser
import requests

rp = urllib.robotparser.RobotFileParser()
rp.set_url("https://www.douyu.com/robot.txt")//网站名可以改,这里用了百度。
rp.read()
useragent = "Baiduspider"
url = 'https://www.douyu.com/directory/all'//改了上面那里的话,记得这里也要调整。
if rp.can_fetch(useragent, url):
    file = requests.get(url)
    data = file.content
    fb = open("bd-html", "wb")
    fb.write(data)
    fb.close()
    print("抓取成功")
else:
    print("不允许爬取")
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值