大家好,我是小帅
今天给大家来点最简单的爬虫案例,后续我会再给大家更新一些爬虫相关技能点,请持续关注,另外你的三连是对小帅最大的支持 不过声明一下小帅 发的所有案例都是供大家学习的,不要随便乱用,或者作为商用!
前言
我们第一个爬虫程序,是来爬取某视频网的所有教程信息的名字。下面的代码锁使用到的技术有的我们并没有涉及到,后面的学习中我们会一一讲解。 这里只是让大家对爬虫程序有个大概的了解,熟悉最基本的爬虫流程,以及对爬虫处理有一个粗略的印象,同时,也是激发大家学习的热情,让大家对爬虫不仅停留在理论上,也可以实际操作去加深印象。
还有一些小案例,25个游戏源码 点击前面蓝色字体自取
1.1 建立 imoocSpider.py 文件
爬虫文件的命名一定要准确,爬虫爬取的是哪一个网站就用哪一个网站来进行命名,这样以后我们写的爬虫越来越多会方便管理。
文件创建好之后首先导入 requests 第三方库和页面解析工具 BeautifulSoup:
import requests # requests库,用来发送网络请求
from bs4 import BeautifulSoup # 一个解析库,用来解析网页结构
Tips:BeautifulSoup 我们在后面会讲到,这里只是先用一下。
1.2 定义网址变量
定义网址变量 url,url 中存储的是我们要爬取的网站
url = "https://www.imooc.com" #某课网首页地址
1.3 创建请求头部
创建请求头部,因为服务器会分辨请求的是浏览器或者是爬虫,如果是爬虫的话会直接断开请求,导致请求失败。为了不让我们的爬虫暴露,所以要给它加上一层伪装,这样服务器就会认为是浏览器在请求了:
headers = {
'User-Agent' : 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.79 Safari/537.36'}