实战巩固
- 需求:爬取搜狗指定词条对应的搜索结果页面(简易网页采集器)
- UA检测
- UA伪装
#UA:User-Agent(请求载体的身份标识)
#UA检测:
门户网站的服务器会检测对应请求的载体身份标识,如果检测到请求的载体身份标识为某一款浏览器,说明该请求是一个正常的请求。但是,如果检测到请求的载体身份标识不是基于某一款浏览器的,则表示该请求为不正常的请求(爬虫),则服务器端就很有可能拒绝该次请求。
UA伪装:
让爬虫对应的请求载体身份标识伪装成某一款浏览器
import requests
if __name__ =="__main__":
#UA伪装:将对应的User-Agent封装到一个字典中
headers = {
'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'
}
url ='https://www.sogou.com/web'
#处理url携带的参数:封装到字典中
kw =input('enter a word:')
param = {
'query':kw
}
#对指定的url发起的请求对应的url是携带参数的,并且请求过程中处理了参数
response = requests.get(url=url,params=param,headers=headers)
page_text = response.text
fileName = kw+'.html'
with open(fileName,'w',encoding='utf-8')as fp:
fp.write(page_text)
print(fileName,'保存成功!!!')
kw=input('enter a word;')
param={
'query':kw
}
response=requests.get(url=url,params=param,headers=headers)page_text=response.text
fileName=kw+'.html'
with open(fileName,'w',encoding='utf-8') as fp:
fp.wirte(page_text)
print(fileNAme,'保存成功')