爬虫学习Day1

在这里插入图片描述

Requests模块

在这里插入图片描述

环境安装:
pip install requests

实战编码:

一需求:爬取搜狗首页的页面数据 
# 一需求:爬取搜狗首页的页面数据

import requests
if __name__ == "__main__":
    # step 1:指定url
    url = 'https://www.sogou.com/'
    # step 2:发起请求
    # get()方法会返回一个响应对象
    response = requests.get(url = url)
    # step 3:获取响应数据,text返回的是字符串形式的响应数据
    page_text = response.text 
    print(page_text)
    # 持久化存储
    with open("./sogou.html","w",encoding="utf-8") as fp:
        fp.write(page_text)

    print("爬取数据结束!!!")

实战巩固

在这里插入图片描述

01.requests实战之网页采集器

在这里插入图片描述

import requests
if __name__ == "__main__":
    # UA伪装:将对应的一个User-Agent封装到一个字典中
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.55'
    }
    url = "https://www.sogou.com/web"
    # 处理url携带的参数(param):封装到字典中
    kw = input("enter a word:")
    param = {
        'query':kw
    }
    #对指定的url发起的请求对应的url是携带参数的,并且请求过程中处理了参数
    response = requests.get(url=url ,params=param,headers=headers)

    page_text = response.text
    fileName = kw+'.html'
    with open(fileName,'w',encoding='utf-8') as fp:
        fp.write(page_text)
    print(fileName,'保存成功!!!')

02.request实战之破解百度翻译

在这里插入图片描述

import requests
import json
if __name__ == "__main__":
    #1. 指定URL
    post_url = 'https://fanyi.baidu.com/sug'
    #2. 进行UA伪装
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.55'
    }
    #3. post请求参数处理(同get()请求一致)
    word = input("enter a word:")
    data = {
        'kw':word
    }
    #4. 请求发送
    response = requests.post(url=post_url,data=data,headers=headers)
    # 5.获取响应数据:json()方法返回的是一个obj
    dic_obj = response.json()

    #6. 进行持久化存储
    fileName = word+'.json'
    fp = open(fileName,'w',encoding='utf-8')
    json.dump(dic_obj,fp=fp,ensure_ascii=False)
    print("over!!!!")

03.requests实战之爬取豆瓣电影

在这里插入图片描述

import requests
import json
if __name__ == '__main__':
    url = 'https://movie.douban.com/j/search_subjects'
    num = input("Start;")
    param = {
        'type': 'movie',
        'tag': '喜剧',
        'sort': 'recommend',
        'page_limit': '20',#一次取多少部电影
        'page_start':num,#从页面的第几部电影开始取
    }
    headers = {
        'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.67 Safari/537.36 Edg/87.0.664.55'
    }
    response = requests.get(url=url ,params=param,headers=headers)
    list_data = response.json()

    fp = open('./douban.json','w',encoding='utf-8')
    json.dump(list_data,fp=fp,ensure_ascii=False)
    print("oVer!!")

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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