【Python自学笔记】10个爬虫入门实例，附源码与注释

admin管理员组

文章数量:1794759

【Python自学笔记】10个爬虫入门实例，附源码与注释

涉及知识点:

web是如何交互的

requests库的get、post函数的应用

response对象的相关函数，属性

Python文件的打开，保存

代码中给出了注释，并且可以直接运行哦

如何安装requests库，没有的，建议先装一下Python环境，windows用户，Linux用户几乎一样:

1.打开cmd输入以下命令即可，如果python的环境在C盘的目录，会提示权限不够，只需以管理员方式运行cmd窗口

pip install -i pypi.tuna.tsinghua.edu/simple requests

2.Linux用户类似(ubantu为例): 权限不够的话在命令前加入sudo即可

sudo pip install -i pypi.tuna.tsinghua.edu/simple requests

1.爬取强大的BD页面，打印页面信 # 第一个爬虫示例,爬取百度页面 import requests #导入爬虫的库，不然调用不了爬虫的函数 response = requests.get("www.baidu") #生成一个response对象 response.encoding = response.apparent_encoding #设置编码格式 print("状态码:"+ str( response.status_code ) ) #打印状态码 print(response.text)#输出爬取的信 2.常用方法之get方法实例 # 第二个get方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.get("httpbin/get") #get方法 print( response.status_code ) #状态码 print( response.text )

3. 常用方法之post方法实例 # 第三个 post方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.post("httpbin/post") #post方法访问 print( response.status_code ) #状态码 print( response.text ) 4. put方法实例 # 第四个 put方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.put("httpbin/put") # put方法访问 print( response.status_code ) #状态码 print( response.text )

5.常用方法之get方法(1)

如果需要传多个参数只需要用&符号连接即可如下

# 第五个 get传参方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.get("httpbin/get?name=hezhi&age=20") # get传参 print( response.status_code ) #状态码 print( response.text ) 6.常用方法之get方法(2)

params用字典可以传多个

# 第六个 get传参方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 data = { "name":"hezhi", "age":20 } response = requests.get( "httpbin/get" , params=data ) # get传参 print( response.status_code ) #状态码 print( response.text )

7.常用方法之post方法

和上一个有没有很像

# 第七个 post传参方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 data = { "name":"hezhi", "age":20 } response = requests.post( "httpbin/post" , params=data ) # post传参 print( response.status_code ) #状态码 print( response.text ) 8.关于绕过反爬机制，以zh爸爸为例 # 第好几个方法实例 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.get( "www.zhihu") #第一次访问知乎，不设置头部信 print( "第一次,不设头部信,状态码:"+response.status_code )# 没写headers，不能正常爬取，状态码不是 200 #下面是可以正常爬取的区别，更改了User-Agent字段 headers = { "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36" }#设置头部信,伪装浏览器 response = requests.get( "www.zhihu" , headers=headers ) #get方法访问,传入headers参数， print( response.status_code ) # 200！访问成功的状态码 print( response.text )

9.爬取信并保存到本地

因为目录关系，在D盘建立了一个叫做爬虫的文件夹，然后保存信，注意文件保存时的encoding设置

# 爬取一个html并保存 import requests url = "www.baidu" response = requests.get( url ) response.encoding = "utf-8" #设置接收编码格式 print("\\nr的类型" + str( type(response) ) ) print("\\n状态码是:" + str( response.status_code ) ) print("\\n头部信:" + str( response.headers ) ) print( "\\n响应内容:" ) print( response.text ) #保存文件 file = open("D:\\\\爬虫\\\\baidu.html","w",encoding="utf") #打开一个文件，w是文件不存在则新建一个文件，这里不用wb是因为不用保存成二进制 file.write( response.text ) file.close() 10.爬取图片，保存到本地 #保存百度图片到本地 import requests #先导入爬虫的库，不然调用不了爬虫的函数 response = requests.get("www.baidu/img/baidu_jgylogo3.gif") #get方法的到图片响应 file = open("D:\\\\爬虫\\\\baidu_logo.gif","wb") #打开一个文件,wb表示以二进制格式打开一个文件只用于写入 file.write(response.content) #写入文件 file.close()#关闭操作，运行完毕后去你的目录看一眼有没有保存成功

自学的道路很枯燥，但坚持下来眼前会一片光明与希望，咸鱼与翻身就在一念之间，但能坚持下来的才最可怕，加油。

感谢观看，更多Python精彩内容可以看小编主页。

点击领取🎁 Q群号： 675240729（纯技术交流和资源共享）以自助拿走。

①行业咨询、专业解答 ②Python开发环境安装教程 ③400集自学视频 ④软件开发常用词汇 ⑤最新学习路线图 ⑥3000多本Python电子书

本文标签： 爬虫注释源码实例入门