爬取搜狗指定词条对应的搜索结果页面(简易网页采集器)
# 爬取搜狗指定词条对应的搜索结果页面(简易网页采集器)
# UA:User-Agent(请求载体的身份标识)
# - UA检测:门户网站的服务器会检测请求发起载体的身份标识,如果检测到身份标识为某一款浏览器,则说明该请求是一个正常的请求。
# 但是如果检测到发起请求的载体的身份标识不是某一款浏览器,那么则标识为不正常的请求(爬虫),服务器端很有可能会拒绝这次请求
# - UA伪装:让爬虫把请求伪装成是某一款浏览器发出的
import requests
if __name__ == '__main__':
# step1 指定url
url = 'https://www.sogou.com/web'
kw = input('请输入要搜索的内容:')
param = {
'query': kw
}
# UA伪装
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.82 Safari/537.36'
}
# step2 发送请求
response = requests.get(url=url, params=param, headers=headers)
# step3 获取响应数据
response_txt = response.text
# step4 数据持久化
fileName = kw+'.html'
with open(fileName, 'w', encoding='utf-8') as fp:
fp.write(response_txt)
print('爬取结束')