Python爬虫学习(二)盗亦有道(三)Requests库网络爬取实战

(二)网络爬虫的盗亦有道

(1)网络爬虫的限制

  • 来源审查:检查来访HTTP协议头的User-Agent域

  • 发布公告:Robots协议 —— 网站根目录下的robots.txt文件

(三)Requests库网络爬取实战

(1)京东商品页面的爬取

import requests

def getHTMLText(url):
    try:
        Headers = {
   
            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36',
        }
        r = requests.get(url,headers=Headers,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text[:1000]
    except:
        return "产生异常"

if __name__ == "__main__":
    url = "https://item.jd.com/100004323294.html"
    print(getHTMLText(url))

(2)亚马逊商品页面的爬取

import requests

def getHTMLText(url):
    try:
        Headers ={
   
            'User-Agent': 'Mozilla/5.0 (Windo
  • 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