一、爬虫
(1)通用爬虫:通用网络爬虫 是 捜索引擎抓取系统(Baidu、Google、Yahoo等)的重要组成部分。主要目的是将互联网上的网页下载到本地,形成一个互联网内容的镜像备份。
通过手机端和PC端打开的同一个网站页面,页面显示是不一样的,是因为浏览器向服务器发送请求的时候,服务器会根据发送过来的请求header相关的属性,判断是哪各端口发送的,然后再来返回对应的页面。
二、实现简单的爬虫,爬取csdn,获取Python工程师信息
1、版本V1:抓取csdn首页页面信息
#V1:面向对象方法,实现简单的爬虫
# 获取csdn首页的python工程师信息
import requests
class CSDN_V1():
def __init__(self,url,header):
self.url = url
self.header = header
def submit(self):
response = requests.get(self.url,self.header).text
print(response)
if __name__ == '__main__':
url = 'https://www.csdn.net/'
header = {
'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.120 Safari/537.36'}
obj = CSDN_V1(url,header)
obj.submit()
方法二:
import requests
class CSDN_V1():
def __init__(self):