python爬蟲筆記（1）

人稱君子協議，規定了**中哪些資料是可以被爬取的、哪些**是不可以被爬取的。

相比http協議，它是安全的超文字傳輸協議，採用證書金鑰加密

requests模組：python中原生的一款基於網路請求的模組，功能強大，簡單便捷，相對於urllib模組效率更高。

作用：模擬瀏覽器傳送請求。

如何使用：

import requests

if __name__ == '__main__':
# 第一步：指定url
url = ''
# 第二步：發起請求
response = requests.get(url)
# 第三步：獲取響應資料
page_text = response.text
# print(page_text)
# 第四步：持久化儲存
with open('./搜狗首頁.html', 'w', encoding='utf-8')as fp:
fp.write(page_text)
print('爬取結束')

import requests

if __name__ == '__main__':
url = 'web'
# 處理url攜帶的引數：封裝到字典中
keyword = input('請輸入關鍵字：')
param = 
headers = 
response = requests.get(url=url, params=param, headers=headers)
page_text = response.text
filename = './簡易網頁採集/' + keyword + '.html'
with open(filename, 'w', encoding='utf-8') as fp:
fp.write(page_text)
print(keyword + '  儲存成功！')

import json

import requests
if __name__ == '__main__':
url = ''
keyword = input('請輸入關鍵字：')
data = 
headers = 
response = requests.post(url=url, data=data, headers=headers)
page_json = response.json()
# print(page_json)
json.dump(page_json, fp=fp, ensure_ascii=false)
print('翻譯結束！已儲存')

import json

import requests
if __name__ == '__main__':
url = ''
num = input('請輸入前多少名資料:')
param = 
headers = 
response = requests.get(url=url, params=param, headers=headers)
list_data = response.json()
fp = open('./豆瓣排行/豆瓣排行.json', 'w', encoding='utf-8')
json.dump(list_data, fp=fp, ensure_ascii=false)
print('儲存完成')

import json

import requests
if __name__ == '__main__':
url = ''
cname = input('請輸入城市：')
keyword = input('請輸入關鍵字：')
op = 'keyword'
param = 
data = 
headers = 
response = requests.post(url=url, data=data, headers=headers, params=param)
print(response.json())
table_data = response.json()
fp = open('./肯德基餐廳/'+cname+'_'+keyword+'.json', 'w', encoding='utf-8')
json.dump(table_data, fp=fp, ensure_ascii=false)
print('儲存完成')

python爬蟲學習筆記（1）

2.parse模組 遇到了問題 本人使用了anaconda3中的python3環境，進行爬蟲的環境為anaconda中的spyder，使用anaconda具體詳細原因及安裝教程可見 anaconda3詳細安裝使用教程及問題總結 request就是請求的意思，主要用於url資訊的請求 import u...

Python 爬蟲學習筆記1

urllib模組 urllib.requests 開啟和讀取urls urllib.error 包含urllib.requests 產生的常見錯誤，使用try捕捉 urllib.parse 包含即係url方法 urllib.robotparse 解析robots.txt檔案 網頁編碼問題解決 cha...

python網路爬蟲學習筆記（1）

一 三種網頁抓取方法 1 正規表示式 模組使用c語言編寫，速度快，但是很脆弱，可能網頁更新後就不能用了。2 beautiful soup 模組使用python編寫，速度慢。安裝 pip install beautifulsoup4 3 lxml 模組使用c語言編寫，即快速又健壯，通常應該是最好的選擇...