2. requests实战——简易网页采集器

1. 需求

模拟搜狗网页上输入关键字，所查询到的信息。

2. 知识点

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对应请求的载体身份标识，若检测到请求的载体身份标识为某一款浏览器，则该请求是一个正常的请求。但是，若检测到UA不是基于某一款浏览器的，则认为该请求为不正常的请求，为爬虫操作，该服务器端就很有可能拒绝本次请求。

**UA伪装**：让爬虫对应的请求载体身份标识伪装成某一款浏览器。

使用搜狗搜索“波晓张”，获得网址：
https://www.sogou.com/web?query=波晓张

注：保留该字段即可，后面的&_ast…可删除。

使用浏览器自带的网络抓包工具，获取到User-Agent，之后便用该请求载体身份标识进行爬虫。

3. 代码

import requests

if __name__ == "__main__":
    #UA伪装：将对应的User-Agent封装到一个字典中
    headers = {
            'User-Agent':'Mozilla/.........'#填写自己浏览器上所对应的标识号
    }
    url = 'https://www.sogou.com/web'
    # 处理url携带的桉树：封装到字典中
    kw = input('enter a word:')
    param = {
        'query':kw
    }
    # 对指定的url发起的请求所对应的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！！！')

4.实现效果

运行结果：