httpbin.org
整体思路:
实现:
爬取网页的时候默认的使用get方法,得到一个网页的源码,post方法获取一些network里面的东西。
418 错误:我是一个茶壶,在进行爬取的时候被网页端发现了 ,需要进行模拟 手动点击浏览器访问
即 headers 模拟 浏览器访问时候的一些信息
1.get方法 简单模拟 手动点击 浏览器
# -*- codeing = utf-8 -*-
# @Time : 12/02/2020 05:31 PM
# @Author : Gyp
# @File : test2
import urllib.request
import urllib.parse
url = "http://www.douban.com"
headers = {
# 模拟浏览器访问
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
# 实例化一个类 将用到的条件进行封装
req = urllib.request.Request(url=url , headers=headers )
response = urllib.request.urlopen(req)
print(response.read().decode("utf-8") )
2.post方法 简单模拟 手动点击 浏览器
import urllib.request
import urllib.parse
url = "http://httpbin.org/post"
headers = {
# 用户代理 访问的 系统 浏览器类型
"User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36"
}
# 模拟 form 表单里面的内容
data = bytes(urllib.parse.urlencode({'name':'eric'}),encoding="utf-8")
req = urllib.request.Request(url=url,data=data,headers=headers,method="POST")
response = urllib.request.urlopen(req)
print(response.read().decode("utf-8") )