python爬虫数据采集_入门数据采集，python爬虫常见的数据采集与保存、

本文介绍两种方式来实现python爬虫获取数据，并将python获取的数据保存到文件中。

一、第一种方式：

主要通过爬取百度官网页面数据，将数据保存到文件baidu.html中，程序运行完打开文件baidu.html查看效果。具体代码中有详细的代码解释，相信刚入门的你也能看懂~~

说明一下我的代码环境是python3.7，本地环境是python2.x的可能需要改部分代码，用python3.x环境的没问题。

代码如下：

# -*- coding: utf-8 -*-import urllib.request

import urllib

# 1网址url--百度

url= ‘http://www.baidu.com‘# 2创建request请求对象

request=urllib.request.Request(url)

#3发送请求获取结果

response=urllib.request.urlopen(request)

htmldata=response.read()

#4、设置编码方式

htmldata= htmldata.decode(‘utf-8‘)

#5、打印结果

print (htmldata)

#6、打印爬去网页的各类信息

print ("response的类型:",type(response))

print ("请求的url:",response.geturl())

print ("响应的信息:",response.info())

print ("状态码:",response.getcode())

#7、爬取数据保存到文件

fileOb= open(‘baidu.html‘,‘w‘,encoding=‘utf-8‘) #打开一个文件，没有就新建一个

fileOb.write(htmldata)

fileOb.close()

在open()方法中如果没有设置编码encoding=‘utf-8‘，会报错，原因如下：

在windows下面，新文件的默认编码是gbk，这样的话，python解释器会用gbk编码去解析我们的网络数据流html，

然而html此时已经是decode过的unicode编码，这样的话就会导致解析不了，出现上述问题。

设置encoding=‘utf-8‘，打开文件时就按照utf-8格式编码，则顺利运行。

运行结果：

部分截图如下：截取的是第六步中的网页各类信息，第五步打印的数据过多，也已经保存到文件baidu.html中了，所以没有截取。

二、第二种方式：添加特殊情景的处理器

代码如下：

# -*- coding: utf-8 -*-import urllib.request, http.cookiejar

#1、网址url --百度

url= ‘http://www.baidu.com‘#2、创建cookie容器

cj=http.cookiejar.CookieJar()

handle=urllib.request.HTTPCookieProcessor(cj)

#3、创建1个opener

opener=urllib.request.build_opener(handle)

#4、给urllib.request安装opener

urllib.request.install_opener(opener)

#5、使用带有cookie的urllib.request访问网页,发送请求返回结果

response=urllib.request.urlopen(url)

htmldata=response.read()

#6、设置编码方式

data= htmldata.decode("utf-8")

#7、打印结果

print (data)

#8、打印爬去网页的各类信息

print ("response的类型:",type(response))

print ("请求的url:",response.geturl())

print ("响应的信息:",response.info())

print ("状态码:",response.getcode())

#9、爬取数据保存到文件

fileOb= open(‘baiduCookie.html‘,‘w‘,encoding=‘utf-8‘) #打开一个文件，没有就新建一个

fileOb.write(data)

fileOb.close()

原文：https://www.cnblogs.com/jiguangdongtaiip/p/13582909.html