最近在看北京理工大学的Python嵩天教授的网络爬虫与信息提取课程,开个博客记录一下我认为重要的知识点。
课程主页:中国大学Mooc
课程的练习和测验都在python123上
本博客面向有一定基础或是学习过课程的人,用于查找方便,持续更新,正则表达式见另一博客
Requests库
1.安装
pip install reqursts
2.requests库的7个主要用法
requests.request()#构造一个请求,支撑以下方法
requests.get()
requests.head()
requests.post()
requests.put()
requests.patch()
requests.delete()
在爬虫中我们主要使用requests.get()
函数
robots协议
爬取网页html信息
import requests
r = requests.get('http://www.baidu.com')
print(r.status_code)
r.text
通用框架
import requests
def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status()#如果状态不是200,引发HTTPError异常
r.encoding = r.apparent_encoding
return r.text
except:
return '产生异常'
if __name__=='main':
url='http://www.baidu.com'
print(getHTMLText(url))