Python爬虫教程，简单易懂，学会后还可以做副业赚钱

柑橘乌云a

已于 2024-01-16 21:21:36 修改

阅读量242

点赞数

分类专栏： Python爬虫文章标签： python 爬虫开发语言 python学习兼职

于 2023-02-20 17:42:27 首次发布

本文链接：https://blog.csdn.net/xx16755498986/article/details/129128683

版权

Python爬虫专栏收录该内容

7 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Python进行简单的网络爬虫，包括设置headers以伪装浏览器请求，利用requests库获取网页内容，使用正则表达式re解析网页抓取图片链接，以及下载并保存图片到本地。文章还分享了全套的Python学习资料，鼓励读者通过实践提升技能。

摘要由CSDN通过智能技术生成

在这个信息爆炸的时代，要想高效地获取数据，爬虫绝对是首选。而用python做爬虫也十分简单，下面就通过一个简单的小爬虫程序，来一睹写爬虫的基本过程：

一、准备工作

语言：python

IDE：pycharm

首先是要用到的库，因为是刚入门最简单的程序，我们主要就用到下面这两个：

import requests //用于请求网页
import re  //正则表达式，用于解析筛选网页中的信息

其中re是python自带的，requests库需要我们自己安装，在命令行中输入pip install requests即可。

然后随便找一个网站，注意不要尝试爬取隐私敏感信息。

二、编写爬虫程序

开始爬虫前，我们首先应明确两点：

爬虫的网址；
需要爬取的内容（数据）。

第一步，爬虫的网址，我们拿某表情包网站来举例子。

在这里插入图片描述

首先肯定要通过python访问这个网站，代码如下：

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)  //请求网页

其中之所以要加headers这一段，是因为有些网页会识别出python请求，然后拒绝，所以我们要换个正常的请求头。可以随便找一个或者f12从网络信息里复制一个。

在这里插入图片描述

然后我们要找到我们要爬取的图片在网页代码里的位置，f12查看源代码，找到表情包如下：

在这里插入图片描述

然后建立匹配规则，用正则表达式把中间那串替换掉，最简单的就是.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'

像这样，就可以调用re库里的findall方法把相关内容爬下来了。

result = re.findall(t, response.text)

返回的内容是由字符串组成的列表，最后我们经由爬到的地址，通过python语句把图片下载下来保存到文件夹里就OK啦。

程序源码：

import requests
import re
import os

image = '表情包'
if not os.path.exists(image):
    os.mkdir(image)
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq.yh31.com/zjbq/',headers=headers)
response.encoding = 'GBK'
response.encoding = 'utf-8'
print(response.request.headers)
print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'
result = re.findall(t, response.text)
for img in result:
    print(img)
    res = requests.get(img[0])
    print(res.status_code)
    s = img[0].split('.')[-1]  //截取地址末尾，得到表情包格式，如.jpg .git
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)