python爬蟲筆記01

《精通python網路爬蟲》筆記

下面**大部分來自此書，僅為本人筆記

urllib.request的使用以及將爬取內容儲存html檔案

**示例：

import urllib.request

url = ""
file = urllib.request.urlopen(url)
data = file.read() #讀取全部，賦予乙個字串變數
dataline = file.readline() #讀取一行
datalines = file.readlines() #讀取全部，賦予乙個列表變數
#列印data內容
print(data)
#將抓取到的內容儲存到html檔案（法1）
#步驟：將爬取內容賦值給變數--》以寫入的方式開啟本地檔案，命名*.html--》讓變數值寫入檔案--》關閉檔案
fhandle = open("f:/htmls/1.html","wb")
fhandle.write(data)
fhandle.close()
#抓取內容寫入檔案（法2）urllib.request.urlretrieve(url,filename=本地儲存路徑)
filename = urllib.request.urlretrieve(url,filename = "f:/htmls/2.html")
#清除快取
urllib.request.urlcleanup()
#返回與當前環境有關的資訊
print("當前環境資訊：" + str(file.info()))
#返回爬取網頁狀態碼200表示正確
print("網頁狀態碼：" + str(file.getcode()))
#返回網頁url
print("網頁url:" + str(file.geturl()))
#編碼解碼
#漢字和一些字元&等不符合url標準，需要編碼
print("編碼解碼：")

#爬蟲模擬成瀏覽器訪問

#有些網頁無法爬取出現403錯誤
#方法1--使用builder_opener()修改報頭
#由於urlopen()不支援一些http的高階功能
#header = ("user-agent",具體資訊)
#過程：報頭headers--》建立urllib.request.build_operder()物件opender--》opender.addheaders = [報頭]設定報頭--》
#物件.open(url).read 讀取網頁內容
import urllib.request
url = ""
opener = urllib.request.build_opener()
opener.addheaders = [headers]
data = opener.open(url).read()
fhandle = open("f:/htmls/3.html","wb")
fhandle.write(data)
fhandle.close()
#方法2：使用 add_header()新增報頭
req = urllib.request.request(url)
#注意兩個引數；物件名.add_header(欄位名，字段值)
data2 = urllib.request.urlopen(req).read()

#超時設定

import urllib.request
#設定timeout的值，單位-秒
file = urllib.request.urlopen("",timeout=30)

通過urlopen()開啟構建的request請求

按需求處理抓取的內容

import urllib.request

keywd = "hello"
url = "/s?wd=" + keywd
req = urllib.request.request(url)
data = urllib.request.urlopen(req).read()
fhandle = open("f:/htmls/4.html","wb")
fhandle.write(data)
fhandle.close()

import urllib.request

url = "/s?wd="
#如果key是中文則會出現編碼問題
key = "你好"
key_code = urllib.request.quote(key)
url_all = url + key_code
req = urllib.request.request(url_all)
data = urllib.request.urlopen(req).read()
fh = open("f:/htmls/5.html","wb")
fh.write(data)
fh.close()

構建表單資料，並使用urllib.parse.urlencode對資料精選編碼處理

建立request物件，引數包括url位址和要傳入的資料

使用add_header()新增頭資訊，模擬瀏覽器

使用urllib.request.urlopen()開啟對應的request物件，完成資訊傳遞

後續處理。。。

示例**

#post請求--登入、註冊等操作

import urllib.request
import urllib.parse
url = ""
postdata = urllib.parse.urlencode().encode('utf-8') #將資料使用urlencode編碼處理後，使用encode（）設定為utf-8編碼
req = urllib.request.request(url,postdata)
data = urllib.request.urlopen(req).read()
fh = open("f:/htmls/6.html","wb")
fh.write(data)
fh.close()

#**伺服器的使用

#**伺服器位址，
proxy_addr = "118.212.137.135:31288"
data = use_porxy(proxy_addr,"")
print(len(data))

使用urllib.request.build_opener()建立自定義的opener物件，並使用 1. 中設定的·值作為物件

用urllib.request.install_opener建立全域性預設的opener物件，這樣在使用urlopen時就會使用我們安裝的opener物件

後續操作，如urlopene()等

#執行程式時列印除錯log

爬蟲學習筆記01

固定部分 import requests base url headers params response requests.get base url,headers headers,params params 第一種 讀取後顯示為亂碼 通過檢視網頁原始碼查詢到網頁編碼格式為gbk 修改編碼格式後，...

Python爬蟲學習01

由於自身對python有比較大的興趣，但是畢竟 有業務需求才能推動學習 在休息的時候看了幾天的基礎，對python的基礎還是可以掌握的，但是一些api的方法確實沒有多大興趣，畢竟乙個乙個api的學習python這種方法，於我而言，確實想睡覺，所以我想以乙個點帶面的學習python，爬蟲是python...

python爬蟲學習 01爬蟲介紹

前戲 1.你是否在節假日出行高峰的時候，想快速搶購火車票成功 2.你是否在網上購物的時候，想快速且精準的定位到口碑質量最好的商品 什麼是爬蟲 通過編寫程式，模擬瀏覽器上網，然後讓其去網際網路上抓取資料的過程。爬蟲的價值 實際應用 就業 爬蟲究竟是合法還是違法的？如何在使用編寫爬蟲的過程中避免進入局子...