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

捡男仔

最新推荐文章于 2023-04-20 22:20:09 发布

阅读量56

点赞数

分类专栏：学习笔记文章标签： python

本文链接：https://blog.csdn.net/weixin_63606226/article/details/124410448

版权

学习笔记专栏收录该内容

23 篇文章 0 订阅

订阅专栏

# 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)