python 下载 爬虫
用python 写爬虫,一般基于两种形式:
1. 为了爬取 页面内容。2. 下载文件,有很多下载站,提供下载链接。
这两种爬虫,都有可能遇到需要登录后才能下载。所以涉及到用python 登陆网站后,再去别的页面爬取内容或下载文件。
基础知识,可以参考:
http://www.yihaomen.com/article/python/210.htm
这是爬CSDN 内容的一个小爬虫,这是爬内容的。本文主要讲爬下载的。
比如我想爬 asp300.com 的源码. 首先可以注册一个账号,比如 账号:yihaomen,密码:abcedfg.
然后准备python 代码:#coding:gb2312
import urllib2,cookielib,urllib
cookie=cookielib.CookieJar()
opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))
urllib2.install_opener(opener)
#进行认证
postdata = urllib.urlencode( {'username' : 'yihaomen', 'password' : 'abcdefg','loginsubmit':' 登 录 ' })
login_response= urllib2.urlopen('http://www.asp300.com/2012user/login.jsp' ,postdata)
aa=login_response.read()
aa.clo