python urlopen_Python爬虫教程-02-使用urlopen

Spider-02-使用urlopen

做一个最简单的python爬虫，使用爬虫爬取：智联招聘某招聘信息的DOM

urllib

包含模块urllib.request：打开和读取urls

urllib.error：包含urllib.request产生的常见错误，使用try捕捉

urllib.parse：包含解析url的方法

urllib.robotparse：解析robots.txt文件

robots：机器人协议，放在网站的开头，供给爬虫读取，当爬虫读到robots之后，就知道那些是允许爬取的数据，哪些是禁止爬取的数据

(爬虫道德问题：1.不许过频繁爬取 2.不许爬取禁止内容)

原文：https://blog.csdn.net/qq_40147863/article/details/81434882​blog.csdn.net

案例v1使用PyCharm开发工具，配置python解释器，创建python文件)

# py01v1.py

from urllib import request

# 使用urllib.request请求一个网页的内容，并把内容打印出来

if __name__ == '__main__':

# 定义需要爬的页面

url = "https://jobs.zhaopin.com/CC375882789J00033399409.htm"

# 打开相应url并把页面作为返回

rsp = request.urlopen(url)

# 按住Ctrl键不送，同时点击urlopen，可以查看文档，有函数的具体参数和使用方法

# 把返回结果读取出来

html = rsp.read()

print(html)

上面简单几行代码就可以爬取页面的HTML代码了

右键运行，截图如下

但是，我们爬取到的代码是不能自行显示中文的，需要解码处理

# py02v1.py

from urllib import request

if __name__ == '__main__':

url = "https://jobs.zhaopin.com/CC375882789J00033399409.htm"

rsp = request.urlopen(url)

# 按住Ctrl键不送，同时点击urlopen，可以查看文档，有函数的具体参数和使用方法

html = rsp.read()

# 解码

html = html.decode()

print(html)

解码后效果：

恭喜你，最简单的爬虫就已经学会啦！

如果运行失败，可能是

1.【爬取的连接失效】，更换最新的地址就可以了

2.【Python环境问题】，这里不做仔细介绍，请自行【百度】解决，也可联系小编