# User-Agent(请求载体的身份标识)
# 反爬机制:UA检测:门户网站的服务器会检测对应请求载体身份表示,如果检测到请求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,检测到请求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 as r
#UA伪装;将对应的User-Agent封装到一个字典中
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 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 = r.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)
爬虫入门小项目(网页采集器)
最新推荐文章于 2023-04-20 22:20:09 发布