爬虫入门—requests模块基础之关键字搜狗搜索信息页面爬取
Author: Labyrinthine Leo
Init_time: 2021.02.16
Key Words: Spider
、requests库
公众号:Leo的博客城堡
1、需求分析
需求:在上一节中,我们已经了解了requests
模块的基本使用,并对搜狗搜索首页的页面信息进行爬取。这一节,我们想要通过通过编译器命令行输入关键字,然后对关键字进行搜狗搜素并将结果页面进行爬取保存到文件中。
分析:
- 如下图所示,在搜狗首页进行关键字搜索便会出现相应的搜索结果,可以发现,其中浏览器搜索的
url
其实就是在根路径下添加了query
参数。
- 因此可以通过编译器输入想要搜索的关键字(如:风雨寒 CSDN),然后将其拼接到初始url(
https://www.sogou.com/web?query=
)上,然后构成完整url(https://www.sogou.com/web?query=风雨寒 CSDN
),作为requests.get()
方法中的url
参数,对页面进行访问请求即可。 - 当然,可以使用主页面url(
https://www.sogou.com/web
),然后将搜索的关键字封装为字典形式params = {'query': keyword}
,作为get()
方法中的params
参数输入即可。
2、编码
# coding : utf-8
# fun : 根据关键字爬取搜狗搜索页面信息
# @Author : Labyrinthine Leo
# @Time : 2021.01.30
import requests
import json
def sougou_spider(url=None, keyword='百度'):
"""
根据关键字爬取搜狗搜索页面信息
:param url: 搜索链接
:param kw: 关键字
:return:
"""
if url is None:
print("url should not be None!")
return
# 1.指定url
url = url
# 2.UA伪装
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36'
}
# 3.参数设置
params = {
'query':keyword
}
# 4.发送请求
response = requests.get(url=url, params=params, headers=headers)
response.encoding = response.apparent_encoding # 矫正编码
# 5.获取响应的页面
page_text = response.text
# 6.持久化存储
fileName = keyword + '.html'
with open(fileName,'w',encoding='utf-8') as fp:
fp.write(page_text)
print("{}信息爬取成功!".format(keyword))
if __name__ == '__main__':
# 设置网页url
url = "https://www.sogou.com/web"
# 用户输入关键字
keyword = input("enter your key word:")
sougou_spider(url,keyword)
临渊羡鱼不如退而结网
创作不易,如果您觉得这篇文章对你有用,可以点个赞,算是对笔者的支持和激励!这里是Leo的博客城堡,以Python为核,ML&DL为主,泛之形形色色,输寥寥拙见,摄浮光掠影,讲三两故事。临渊羡鱼,不如退而结网,持续干货输出,有趣的灵魂值得你的关注!
原文可以去笔者的github
主页:https://github.com/LabyrinthineLeo/Yxs_Git_Learning_repos
查看(如果可以,点个star
也无妨呀,嘿嘿)。