爬虫基础中的基础篇——篇01

首先说一下环境部分

我的环境：

python3.7
Anconda虚拟环境
所应用库：pandas，json，requests，time（time库因为要爬取数据类型而用的，非必须库）

环境不同不会影响太大（似乎基本没啥影响）

爬虫开始

这里只说一些基础中的基础，适合python没怎么用过的小白食用。
费话不多少，开始…

首先，爬虫就是伪装成浏览器去看数据，并把看到的数据记录下来，然后把记录的数据下载下来。这就叫爬数据，下面直接讲操作：

import pandas as pd
import requests
import json
import time

headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'}

url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total'
key = requests.get(url, headers=headers)

1、headers
这个headers就是我们伪装成的浏览器，那你们应该问了，这后面一大长串字符咋来的，举个例子如果你要爬这个网页中的数据：

https://wp.m.163.com/163/page/news/virus_report/index.html?nw=1&anw=1

这是网易新闻网页
如果你要伪装成谷歌浏览器，那么复制网址到谷歌浏览器，摁F12，会有以下界面：

①选中Network
②再选中XHR
③摁F5刷新
④会出来name之下有一系列list，那个是数据存储地址，通过查看发现在第二个里面有我们想要的数据

拉到headers最下面

这个东西复制改动一下（记得加引号*2）
那么那个伪装头就做好了（我们伪装的浏览器就弄好了）
2、url
在同一页

可以看到url 把‘？t=317…’删了复制到url代码就可以了（‘记得引号’）

key = requests.get(url, headers=headers)

如果把key输出等于200（上面图中绿色小点后面的数字）那么就说明爬虫武器做好了，可以进网站去爬数据了。
3、爬取数据
通过网页可以发现数据是字典类型，那么我们用

data_json = json.loads(r.text)
data = data_json['data']

后面字典数据具体怎么筛选就是python基本操作了，其他大神肯定写了很多，我就不多说了。