requests库基础知识:参考博客
1.京东商品页面的爬取
import requests
url = "https://item.jd.com/7437708.html"
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[:1000])
except:
print("爬取失败")
结果:
2,爬取亚马逊商品信息
因为亚马逊对网络爬虫有限制,这里我们可以将网络爬虫伪装成浏览器
import requests
url = "https://www.amazon.cn/dp/B011KR25F4/ref=sr_1_1?__mk_zh_CN=%E4%BA%9A%E9%A9%AC%E9%80%8A%E7%BD%91%E7%AB%99&keywords=%E5%A4%A7%E7%A7%A6%E5%B8%9D%E5%9B%BD&qid=1564666810&s=gateway&sr=8-1"
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")
3.百度搜索引擎关键词提交
import requests
keyword = "csdn"
try:
kv = {'wd':keyword}
r = requests.get("http://www.baidu.com/s",params=kv)
print(r.request.url)
r.raise_for_status()
print(len(r.text))
except:
print("爬取失败")
4.网络图片的爬取和存储
import requests
import os
url="http://p1.so.qhmsg.com/bdr/_240_/t01dab8b2e73fe661d6.jpg"
root="C:\Users" #根目录
path=root+url.split('/')[-1] #根目录加上url中以反斜杠分割的最后一部分,即可以以图片原来的名字存储在本地
try:
if not os.path.exists(root):#判断当前根目录是否存在
os.mkdir(root) #创建根目录
if not os.path.exists(path):#判断文件是否存在
r=requests.get(url)
with open(path,'wb')as f:
f.write(r.content)
f.close()
print("文件保存成功")
else:
print("文件已存在")
except:
print("爬取失败")
5.IP地址归属地的自动查询
判断归属地可以通过ip138来查询
import requests
url = "http://m.ip138.com/ip.asp?ip="
try:
r = requests.get(url+'218.58.71.157')
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[-500:])
except:
print("爬取失败")