从爬虫开始学习吧,遇到不会的语法直接查。
思路:1、打开一个地址 2、读取地址内的内容 3、把内容保存下来 4*、怎么感觉这么卡呢,看看程序运行了多长时间。
from urllib.request import urlopen
import time
pt=time.process_time() #程序计时
url="http://www.163.com" #要打开的地址
res=urlopen(url) #打开地址获取网址内的内容,此时res是个对象,不能直接print
content=res.read() #将内容读取出来
file=open("firstweb.html","wb")#以二进制格式打开一个文件只用于写入。如果该文件已存在则打开文件,并从开头开始编辑,即原有内容会被删除。如果该文件不存在,创建新文件。
file.write(content)#将读取到的内容写入
print("程序用时:",pt) #输出程序用时
代码运行时的问题。也写在注释里了。因为urlopen之后获取的内容是不能直接读取的,要用read() 函数获取网页的 HTML 实体代码,如果直接print,会报<http.client.HTTPResponse object at xxxxxxxxxxx>
url打开的时候,可以http,也可以https,都可以执行。
我是用的pycharm,保存到本地的html是可以直接打开的,注意配置一下路径。下面是爬到的内容。