python爬虫的学习笔记

目录

1.Requests模块

2.实际运用

   1.搜索引擎的搜索结果爬取

2.局部刷新数据的爬取

---

1.Requests模块

1.基础步骤

 

import requests
    #指定url
url='https://www.xiashucom.com/search/result.html?searchkey=%E7%B3%BB%E7%BB%9F'
    #发送请求
    #返回响应数据
response=requests.get(url=url)
    #获取响应数据
page_txt=response.text
print(page_txt)
    #储存数据
with open('./xiashucom.html','w',encoding='utf-8')as fp:
        fp.write(page_txt)
    

2.实际运用

   1.搜索引擎的搜索结果爬取

发现在搜索引擎中前面域名不变，特点关键词后为搜索内容。

在浏览器抓包工具中得到到标识

import requests
 #指定url
url='https://www.baidu.com/s'
wd=input("输入搜索内容:")
 #处理url将wd封装到字典中
param={
       "wd":wd
       }
#为了防止反爬虫需要ua伪装
headers={
    #标识
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'
    }
 #发送请求
 #返回响应数据 参数2为链接所带的参数 参数3为身份标识
response=requests.get(url=url,params=param,headers=headers)
    #获取响应数据
page_txt=response.text
    #储存数据
fileid=wd+'.html'
with open(fileid,'w',encoding='utf-8')as fp:
        fp.write(page_txt)
print("保存成功")

2.局部刷新数据的爬取

#在浏览器抓包工具中得到post 刷新请求url
post_url='https://fanyi.baidu.com/sug'
headers={
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'
     }
#post请求参数处理
valur=input("输入数据:")
data={
    'kw':valur
}
#发送请求 参数为，地址，数据，身份标识
#返回的是json格式的数据
respanse=requests.post(url=post_url,data=data,headers=headers)
#将格式转换为obj
data_obj=respanse.json()
#储存数据
valur_s='./'+valur+'.json'
fp=open(valur_s,'w',encoding='utf-8')
#json数据不能为ascii类型
json.dump(data_obj,fp=fp,ensure_ascii=False)
print("储存成功")