网络爬虫与信息提取学习笔记_01

导入requests模块

cmd–>pip install requests

测试

import requests
r = requests.get("http://www.baidu.com")
print(r.status_code)
r.encoding = 'utf-8'
print(r.text)

requests 的主要方法
在这里插入图片描述

requests方法

在这里插入图片描述

爬取网页的通用代码框架

def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status() #如果状态不是200,引发HTTPError异常
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "产生异常"

爬取b站网页数据

 import requests
def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "出现异常"


url = "https://www.bilibili.com/video/BV1Vi4y147tt"
print(getHTMLText(url))

爬取亚马逊页面数据

import requests
def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        r.status_code
        return "出现异常"


url = "https://www.amazon.cn/dp/B0871VRY5G?ref_=Oct_DLandingS_D_1224d3f5_61&smid=A26HDXW89ZT98L"
print(getHTMLText(url))
------------------------------------输出结果
503
出现异常

修改请求头

kv = {'user-agent': 'Mozilla/5.0'}
r = requests.get(url, headers = kv)

搜索引擎

import requests
kv = {'wd':'python'}
r = requests.get("http://www.baidu.com/s", params=kv)
print(r.status_code)
print(r.request.url)
print(len(r.text))

网络图片爬取和存储

import requests
path = 'D:/abc.jpg'
url = 'http://img0.dili360.com/ga/M00/3A/FE/wKgBzFWsfZGATvOZAAprl5aLOOw352.tub.jpg'
r = requests.get(url)
print(r.status_code)
f = open(path,'wb')
print(f.write(r.content))
f.close()

标准格式

import requests
import os
url = 'http://img0.dili360.com/ga/M00/3A/FE/wKgBzFWsfZGATvOZAAprl5aLOOw352.tub.jpg'
root = 'd://jpg//'
path = root + url.split('/')[-1]
try:
    if not os.path.exists(root):
        os.mkdir(root)
    if not os.path.exists(path):
        r = requests.get(url)
        f = open(path,'wb')
        f.write(r.content)
        f.close()
        print("保存成功")
    else:
        print('文件已存在')
except:
    print('爬取失败')
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