'''
一、爬虫原理
1.什么是互联网?
指的是由一堆网络,把一台台计算机互联到一起称之为互联网。
2.互联网建立的目的?
为了数据的传递以及数据的共享。
3.上网的全过程:
普通用户:打开浏览器->往目标网站发送请求->获取响应数据->渲染到浏览器中
爬虫程序:模拟浏览器->往目标网站发送请求->获取响应数据->提取有价值数据->持久化到数据中
4.浏览器发送的是什么请求?
http协议的请求。
-客户端
浏览器是一个软件->客户端的IP和端口
-服务端
http://www.jd.com/
www.jd.com(京东域名)->DNS解析->京东服务端的IP和端口
客户端的IP和端口—>服务端的IP和端口发送请求可以建立链接获取相应的数据。
5.爬虫全过程
-发送请求 (需要请求库:Resquests请求库,Selenium请求库)
-获取响应数据 (只要往服务器发送请求,请求通过后会返回响应数据)
解析并提取数据 (需要解析库:re、BeautifulSoup4、Xpath…)
保存本地 (文件处理、数据库、MongoDB存储库)
二、Requests请求库
1.安装与使用
-打开cmd
-输入:pip3 install requests
'''
import requests #导入requests请求库#往百度主页发送请求,获取响应对象
response = requests.get(url='http://www.baidu.com/')#设置字符编码为 utf-8
response.encoding = 'utf-8'
#打印响应文本
print(response.text)#把响应文本写入本地
with open('baidu.html', 'w', encoding='utf-8') as f:
f.write(response.text)
importrequests#往视频源地址发送请求
response = requests.get('https://video.pearvideo.com/mp4/adshort/20190624/cont-1569754-14051527_adpkg-ad_hd.mp4')#打印二进制流、比如图片、视频等数据
print(response.content)#保存视频到本地
with open('视频.mp4','wb') as f:
f.write(response.content)
importrequests
response= requests.get('https://p.ssl.qhimg.com/dmfd/420_627_/t013bfcad28d74e60d1.jpg')#打印二进制流、比如图片、视频等数据
print(response.content)#保存图片到本地
with open('图片1.jpg','wb') as f:
f.write(response.content)
'''
1.先梨视频主页发送请求
http://www.pearvideo.com/
解析所有视频的ID
re.findall()
2.获取视频详情页
'''
importrequestsimport re #正则,用于解析文本数据
#1.往梨视频主页发送请求
respons = requests.get('https://www.pearvideo.com/')print(respons.text)#2.re正则匹配获取所有视频的ID#参数1:正则匹配规则
参数2:解析文本
参数3:匹配模式
detail_url= 'http://www.pearvideo.com/video_'+v_idprint(detail_url)#对每一个视频详情页发送请求获取视频源url
respons = requests.get(url=detail_url)
video_url= re.findall('srcUrl="(.*?)"', respons.text, re.S)[0]print(video_url)#视频名称
(.*?)
V_response =requests.get(video_url)
with open('%s.mp4' %video_name, 'wb') as f:
f.write(V_response.content)print(video_name, '视频爬取完成')
https://www.cnblogs.com/kermitjam/articles/9692597.html
User_Agent:用户代理(证明是电脑设备及浏览器发送的请求)
Referer:上一次访问的url(证明你是从目标网站跳转过来的)
https://movie.douban.com/top250?start=0&filter=
https://movie.douban.com/top250?start=25&filter=
https://movie.douban.com/top250?start=50&filter=
电影排名、电影url、电影名称、导演-主演-类型、电影评分、评价人数、电影简介