Python对于半自动爬虫开发以及request模块的使用
1.半自动爬虫开发
所谓半自动爬虫开发就是手动的将网页的源代码复制下来 ,自动的部分就是通过正则表达式把其中有效的内容提取出来。
其中需要注意的点就是获取关键信息的时候注意观察特点以及格式
用的最多的组合是(.*?) 能解决大部分的目标提取问题
使用Python读/写文本文件的和CSV文件都需要先把文件打开
2.简单的网页爬虫开发
1.首先使用import requests 获取源代码 get方式
source = requests.get(“https://www.csdn.net/”).content.deocde()
其中.content这个属性来显示bytes型网页的源代码
.deocde() 将.deocde将bytes型字符网页源代码解析成字符串型的代码
而deocde()的括号中默认为UTF-8编码格式 有些网站的编码格式可能是其他的
2.2
#这个字典的内容根据不同的网站进行修改
data = {“name”:“kingname”,
“password”:“genius”}
#POST方式(一些页面只能通过另一个界面单击某个链接或者某个按钮进行跳转 不能通过浏览器输入网址访问,这种就用post方式)
html_formdata = requests.post(“http://exercise.kingname.info/exercise_requests_post”,data=data).content.decode()