爬虫是什么?简单而言爬虫就是请求网站并提取数据的自动化程序。
爬虫的基本步骤首先是发起请求获取响应的内容,然后解析内容,最后进行数据的保存。
下面写一个最简单的案例。
import requests
url = 'http://imgsrc.baidu.com/forum/w%3D580/sign=c3e5ef1a75899e51788e3a1c72a6d990/793d269759ee3d6da3e4bb2c4d166d224f4ade33.jpg'
response = requests.get(url=url)
print(response)
if response.status_code==200:
print('编码',response.encoding)
print('',response.text)
print(response.content)
jpg_data = response.content
with open('a.jpg','wb+') as f:
f.write(jpg_data)
requests用来发送请求,可以发送get、post请求,根据要爬取的网页选择。
response是响应对象,其中包含多个属性。
如状态码。
response.text获取字符串
response。content获取字节数据,如果是图片,音频之类的数据方便保存,上例中就保存了一张图片。