Python爬虫〇二———从几个简单的爬虫开始

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python爬虫〇二———从几个简单的爬虫开始，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2581字，纯文字阅读大概需要4分钟。

内容图文

下面，我们从几个简单的爬虫开始我们的爬虫之旅

通用爬虫

我们先来做一个通用的爬虫，作用是爬取一个搜索引擎的搜索结论。比方说用搜狗搜一下python这个关键字，注意看一下url：

 

 

 

 可以看出来这是个GET请求，参数可以直接看出来，也可以通过浏览器的抓包工具看一下

 

 

 

 上面的图里大概演示了从哪里找到抓包工具，选中的就是我们请求的内容。可以看看右边那个对话框中的Headers选项卡里的内容，讲了请求头和响应头

请求头

 

 响应头

 

 请求头中选中的那一行User-Agent是几乎所有爬虫都要设置的一个内容，——UA伪装。

UA伪装和UA策略

服务器在拿到请求的时候，可以通过请求头里的参数User-Agent获取到请求载体的身份标识，如果是浏览器的话就允许访问数据，否则就屏蔽掉。这应该就是最原始的反爬策略了。所以我们就给爬虫加了个UA伪装，让他假装是一个浏览器

 1 #!/usr/bin/python3
 2 import requests
 3 
 4 if __name__ == '__main__':
 5     url = 'https://www.sogou.com/web'
 6     headers = {
 7             'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'
 8              }
 9     #处理url携带的参数
10     kw = input('word:')
11 
12     param = {
13         'query':kw
14     }
15     
16     respon = requests.get(url,params=param,headers=headers)
17 
18     data = respon.text
19     file_name ='./'+ kw+'.html'
20     with open(file_name,'w',encoding='utf-8') as f:
21         f.write(data)

上面就是最简单的爬虫了。param里的key是从GET请求的参数来的

 

 整个过程没什么难的，因为响应头里定义了数据的类型就是text，所以我们就在18行里的data就是respon.text的方式拿到数据的。

 AJAX响应页面的爬虫

 有很多的页面是通过AJAX请求来对页面部分刷新的，而这些刷新出来的内容正是我们需要的，这个爬虫要怎么做呢？

 其实我们主要就是想拿到输入框下面的内容，注意看一下我们每输入一个字母就会队页面进行一下刷新，所以这应该是个AJAX请求

还是要看看抓包工具里的几个重要的参数

 

上面说明了AJAX请求的URL和方法

 

 这里可以注意一下，返回的内容是个json对象 

 

看看输入do以后的请求带的参数，主要是query，其实其他的都可以暂时忽略。

所以我们可以根据上面的内容来组织代码

 1 # !/usr/bin/python3
 2 import requests
 3 
 4 if __name__ == '__main__':
 5     url = 'https://fanyi.baidu.com/sug'
 6     headers = {
 7             'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.105 Safari/537.36'
 8     }
 9 
10     word = input('word')
11 
12     data = {'kw':word}
13 
14     response = requests.post(url=url,headers=headers,data=data)
15 
16     with open('./'+word,'w') as f:
17         f.write(response.json)

因为响应的内容是个json对象，所以最后一行的代码是response.json，这样就完成了数据的持久化。

总结

 从上面两个简单的爬虫入手，我们大概了解了如何通过浏览器的行为去构建一个爬虫。后面我们去爬一个稍微复杂的数据！

内容总结

以上是互联网集市为您收集整理的Python爬虫〇二———从几个简单的爬虫开始全部内容，希望文章能够帮你解决Python爬虫〇二———从几个简单的爬虫开始所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---