python爬取jsp网页_python网络爬虫—爬取网页的通用代码框架及HTTP协议【2】

​-Modest_Proud-

一、爬取网页的通用代码框架

首先，我们使用Requests库进行网页访问的时候，经常用get()，获得url的相关内容。

由于网络连接是有风险的，所以异常处理语句很重要。

理解爬取网页的通用代码框架

import requests  ##加载Requests库

def getHTMLText(url):

##定义getHTMLTexl函数

try:

r=requests.get(url,timeout=30)

##设定get函数参数，超时限制30s

r.raise_for_status()

##如果状态不是200，引发HTMLError异常

r.encoding="utf-8"

##更改编码为utf-8格式

return r.text

##返回网页文本内容

except:

return "产生异常"

##返回异常提示

if __name__=="__main__":

##运行模块

url="http://www.baidu.com"

##给url赋值

print(getHTMLText(url))

##打印函数内容

输出结果如下图

如果我们将url=“http://www.baidu.com"改成ur