2019年开始可转债进入了黄金时期,2020因为忙活毕业和读研的事一直没什么时间写一写东西,现在重新拿出来之前的代码梳理一下爬虫的思路。
1、确定爬取链接,修改http headers
确定爬取链接很容易,就是你要爬的是哪个网址,这个总得有个数对吧。
http headers 如果不修改的话,里面会写着是python程序发送的请求,随便一个网站做一点反爬措施的话就会拦截我们的请求,
所以还是要改一下headers,伪装成正常的浏览器发送的请求。
2、urllib.request.Request构造请求
urlopen实现对目标url的访问 该函数的返回值就是获取到的网页代码
3、解析网页
如果不解析我们只能得到一个HTTPResponse对象,内部数据拿不到
我们这里通过lxml解析。(如果没有lxml pip install lxml直接安装就可以了)
通过这么几步我们就得到了网页上的静态数据
4、保存到文件
def spider_dongfangcaifu():
headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36'}
url='http://data.eastmoney.com/kzz/'
request1=urllib.request.Request(url=url,headers=headers)
raw_info=urllib.request.urlopen(request1)