Python爬虫入门

  • 构造cookie
cookie = http.cookiejar.MozillaCookieJar('cookie.txt')
handler = urllib.request.HTTPCookieProcessor(cookie)
opener = urllib.request.build_opener(handler)
  • 保存和读取cookie
//保存cookie
cookie = http.cookiejar.MozillaCookieJar('cookie.txt')
cookie.save(ignore_discard = True, ignore_expires = True)
//读取cookie
cookie = http.cookiejar.MozillaCookieJar()
cookie.load('cookie.txt', ignore_discard = True, ignore_expires = True)
  • 构造头部信息
headers = {
    'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/45.0.2454.101 Safari/537.36'
}
header = []
for key, value in headers.items():
    elem = (key, value)
    header.append(elem)
opener.addheaders = header
  • 构造post信息
postRowdata = {
    'id':'*************',
    'pwd':'************',
    'xdvfb':xdvfb
}
postData = urllib.parse.urlencode(postRowdata).encode()
  • 访问网站
result = opener.open(postUrl, postData)
result = opener.open(postUrl)
  • 解压信息
def ungzip(data):
    try:
# 尝试解压
        print('正在解压.....')
        data = gzip.decompress(data)
        print('解压完毕!')
    except:
        print('未经压缩, 无需解压\n')
    return data
  • 保存页面
page = result.read()
page = ungzip(page)
open('logined.html', 'wb').write(page)
  • 下载文件
urllib.request.urlretrieve(imgurl,'file.txt')
  • 1
    点赞
  • 0
    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