代码
import urllib.request
url = r"http://www.baidu.com"
res = urllib.request.urlopen(url).read()
print(res)
代码解释
其中代码的汉字部分使用二进制的中间部分表示的
在文章后面会解码来还原汉字的表达
urllib.request 可以请求到网页的页面,调用urlopen方法打开该网页.
必须调用.read()方法,不然无法将打开的网页阅读到本地
处理中文
res = urllib.request.urlopen(url).read().decode()
decode 解码
encode 编码
解码后原来的字节码(二进制的汉字)变为字符串
数据清洗
引入正则模块
import re
#找到标题的汉字内容
pat = r"<title>(.*?)</title>"
data = re.findall(pat,res)
print(data)