实战:爬亚马逊网站商品实例以及用关键词爬搜索引擎

对网络爬虫有两种限制
1.robot协议告知哪些是可以访问的,哪些是不可以访问的。
2.通过对访问网站的http的头来查看你的访问是不是由一个爬虫引起的,进而拒绝你的访问。

用 headers 字段通过程序模拟一个浏览器去访问网站。

import requests
url = " https://www.amazon.cn/dp/B01JRE0HKW/ref=tmm_kin_title_sr?_encoding=UTF8&qid=&sr="
try:
    kv = {'user-agent':'Mozilla/5.0'}
    r = requests.get(url,headers=kv)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[1000:2000])
except:
    print("爬取失败")

kv是一个键值对,模拟了浏览器的信息‘Mozilla/5.0’

在这里插入图片描述
这段代码是在360搜索引擎下面爬取关键词 “python”

import requests
keyword = "python"
try:
    kv = {'q':keyword}
    r = requests.get("http://www.so.com/s",params = kv)
    print(r.request.url)
    r.raise_for_status()
    print(len(r.text))
except:
    print("爬取失败")

  • 0
    点赞
  • 0
    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