#简易网页采集器
#URL伪装:门户网站服务区会检测对应载体的身份标识
# 如果检测到请求的载体身份表示为某一款浏览器说明该载体是一个正常的请求。
# 但是如果检测到请求的载体的身份标识不是属于某一款浏览器的,则显示为不正常的请求(爬虫)可能会被拒绝
#UA伪装:User=Agent (请求载体的身份标识)
#让爬虫对应的请求载体的身份伪装成某一款浏览器
import requests
if __name__ =="__main__":
#UA伪装:将对应的User-Agent封装搭配一个字典当中
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36'
}
url = 'https://www.sogou.com/web'
#处理URL所携带的参数:封装到字典中
kw = input('enter a word')
param={
'query':kw
}
#对指定的URL发起的请求时携带参数的,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')