目录 Requests库 Requests库的7个主要方法 Requests库的get()方法Response对象的属性 理解Requests库的异常 爬取网页的通用代码框架HTTP协议 协议对资源的操作 理解PATCH和PUT的区别HTTP协议与Requests库 Requests库 Requests库的7个主要方法方法 说明requests.request() 构造一个请求，支撑以下各方法的基础方法requests.get() 获取HTML网页的主要方法，对应于HTTP的GETrequests.head() 获取HTML网页头信息的方法，对应于HTTP的HE...
一、安装库使用conda安装：conda install requests 如果出现解析环境问题，需要激活conda环境：https://www.cnblogs.com/jdemarryme/p/8745138.html之后就可以使用conda list查看已安装的库了（激活环境：https://blog.csdn.net/helloworld_again/article/details/91127603） 二、入门参考教程：https://www.w3cschool.cn/python3/python3-o3x12pw7.html
全站爬虫有时候做起来其实比较容易，因为规则相对容易建立起来，只需要做好反爬就可以了，今天咱们爬取知乎。继续使用scrapy当然对于这个小需求来说，使用scrapy确实用了牛刀，不过毕竟这个系列到这个阶段需要不断使用scrapy进行过度，so，我写了一会就写完了。 你第一步找一个爬取种子，算作爬虫入口 https://www.zhihu.com/people/zhang-jia-wei/following 我们需要的信息如下，所有的框图都是我们需要的信息。获取用户关注名单 ...
今天要爬取一个网站叫做酷安，是一个应用商店，大家可以尝试从手机APP爬取，不过爬取APP的博客，我打算在50篇博客之后在写，所以现在就放一放啦~~~酷安网站打开首页之后是一个广告页面，点击头部的应用即可页面分析 分页地址找到，这样就可以构建全部页面信息我们想要保存的数据找到，用来后续的数据分析上述信息都是我们需要的信息，接下来，只需要爬取即可，本篇文章使用的还是scrapy，所有的代码都会在文章中出现，阅读全文之后...
闲暇写一个外包网站的爬虫，万一你从这个外包网站弄点外快呢 数据分析 官方网址为 https://www.clouderwork.com/进入全部项目列表页面，很容易分辨出来项目的分页方式 得到异步请求 Request URL:https://www.clouderwork.com/api/v2/jobs/search?ts=1546395904852&keyword=&budget_range=&work_status=&pagesize=20&pagenum=3&sort=1&scope= Request Method:GET Status Code:200 OK 参数如下ts:1546395904852 # 时间戳keyword: ...
1.高考派大学数据----写在前面 写到终于了scrapy爬虫框架了，这个框架可以说是蟒爬虫框架里面出镜率最高的一个了，我们接下来重点研究一下它的使用规则。 安装过程自己百度一下，就能找到3种以上的安装手法，一个哪都可以安装上 可以参考https://scrapy-chs.readthedocs.io/zh_CN/0.24/intro/install.html官方说明进行安装。 2.高考派大学数据----创建scrapy项目 通用使用下面的命令，创建即可scrapy startproject mySpider完成之后...
1. 36氪(36kr)数据----写在前面 今天抓取一个新闻媒体，36kr的文章内容，也是为后面的数据分析做相应的准备 36kr 让一部分人先看到未来，而你今天要做的事情确实要抓取它的过去。 网址 https://36kr.com/2. 36氪(36kr)数据----数据分析 36kr的页面是一个瀑布流的效果，当你不断的下拉页面的时候，数据从后台追加过来，基于此，基本可以判断它是ajax异步的数据，只需要打开开发者工具，就能快速的定位到想要的数据，我们尝试一下！捕...
1. B站博人传评论数据爬取简介 今天想了半天不知道抓啥，去B站看跳舞的小姐姐，忽然看到了评论，那就抓取一下B站的评论数据，视频动画那么多，也不知道抓取哪个，选了一个博人传跟火影相关的，抓取看看。网址： https://www.bilibili.com/bangumi/media/md5978/?from=search&seid=16013388136765436883#short 在这个网页看到了18560条短评，数据量也不大，抓取看看，使用的还是scrapy。2. B站博人传评论数据案例—获取链接 从开发者...
半次元COS图爬取-写在前面 今天在浏览网站的时候，忽然一个莫名的链接指引着我跳转到了半次元网站 https://bcy.net/ 打开之后，发现也没有什么有意思的内容，职业的敏感让我瞬间联想到了 cosplay ，这种网站必然会有这个的存在啊，于是乎，我准备好我的大爬虫了。把上面的链接打开之后，被我发现了吧，就知道我的第八感不错滴。接下来就是找入口，一定要找到图片链接的入口才可以做下面的操作这个页面不断往下拖拽，页面会一直加载...
图虫网-写在前面 经历了一顿噼里啪啦的操作之后，终于我把博客写到了第10篇，后面，慢慢的会涉及到更多的爬虫模块，有人问scrapy 啥时候开始用，这个我预计要在30篇以后了吧，后面的套路依旧慢节奏的，所以莫着急了，100篇呢，预计4~5个月写完，常见的反反爬后面也会写的，还有fuck login类的内容。图虫网-爬取图虫网 为什么要爬取这个网站，不知道哎~ 莫名奇妙的收到了，感觉图片质量不错，不是那些妖艳贱货 可以比的，所以就开始...
最近想找几本电子书看看，就翻啊翻，然后呢，找到了一个 叫做 周读的网站 ，网站特别好，简单清爽，书籍很多，而且打开都是百度网盘可以直接下载，更新速度也还可以，于是乎，我给爬了。本篇文章学习即可，这么好的分享网站，尽量不要去爬，影响人家访问速度就不好了 http://www.ireadweek.com/ ,想要数据的，可以在我博客下面评论，我发给你，QQ，邮箱，啥的都可以。这个网站页面逻辑特别简单 ，我翻了翻 书籍详情页面 ，就是下面...
下载对应版本的chromedriver.exe： http://chromedriver.storage.googleapis.com/index.html 下载后将chromedriver.exe放到python安装目录的Scripts目录下from selenium import webdriver import osdriver = webdriver.Chrome() driver.get(http://www.baidu.com) driver.close() # 需要关闭driver os.system(taskkill /f /im chromedriver.exe) #需要杀掉进程 #如果pycharm执行os.system操作产生乱码： # File > Settings > Edito...
1、如何快速入门 Python ？ 我之前给大家说过，速成一门技能是不可能的，你需要花很多时间才能真正的掌握一门技能，但是快速入门是有可能的，而且也是必要的，你需要掌握最少且最必要的知识点，先进门再说。 其实编程，都有最基础的知识点，而且这些知识点都是共通的，什么意思？就是如果知道了这些知识点，那么你学习其他编程语言的时候，会很快就上手。这是因为编程有最少且最必要的知识。 回到 Python 来， Python 的最少且最必...
之前的文章我们介绍了一下 BeautifulSoup4 模块，接下来我们就利用 BeautifulSoup4 模块爬取《糗事百科》的糗事。 之前我们已经分别利用 re 模块和 Xpath 模块爬取过糗百，我们只需要在其基础上做一些修改就可以了，为了保证项目的完整性，我们重新再来一遍。 我们要爬取的网站链接是 https://www.qiushibaike.com/text/page/1/ 。我们通过浏览器开发者工具的控制台发现我们想要的数据在 <div class="content">......</div> 内：...
之前的文章我们介绍了一下 Python 中的正则表达式和与爬虫正则相关的 re 模块，本章我们就利用正则表达式和 re 模块来做一个案例，爬取《糗事百科》的糗事并存储到本地。 我们要爬取的网站链接是 https://www.qiushibaike.com/text/page/1/ 。我们要爬取的是里面的糗事，在之前的文章中我们已经可以爬取整个 url 链接里的 html 内容，那么我们就可以根据爬取到的 html 代码，再通过 re 模块匹配我们想要的内容即可。我们通过调用开...