python爬虫豆瓣top250 并写入数据库

本文介绍了如何使用Python模拟浏览器发送请求,避开豆瓣的反爬机制,获取豆瓣Top250书籍的HTML页面。内容包括设置requests库的SSL验证,处理分页逻辑,以及对抓取到的数据进行处理,最终将数据存入数据库。
摘要由CSDN通过智能技术生成

获取豆瓣top250页面html

html页面

  • 因为豆瓣有反爬机制,所以试了各种方法,最终采用模拟浏览器发送请求
  • 在requests做请求的时候,为了避免ssl认证,可以将verify=False
import requests
from bs4 import BeautifulSoup
import re
from faker import Faker
from database.dbc import Pymysql_dbc

def getHTMLText(url):
    faker = Faker()
    headers = {
   
        'User-Agent': faker.user_agent(),
        'Accept': "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9"
    }
    # 禁用报错信息
    requests.packages.urllib3.disable_warnings()
    response = requests.get(url, headers=headers, verify=False)
    if response.status_code == 200:
        html = BeautifulSoup(response
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值