2022年 11月 9日

10个经典Python爬虫入门实例!你还不知道吗

伙伴们学习python爬虫,准备了几个简单的入门实例,分享给大家。

代码中给出了注释,并且可以直接运行哦

如何安装requests库(安装好python的朋友可以直接参考,没有的,建议先装一哈python环境)
windows用户,Linux用户几乎一样:

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

1 pip install –

i https://pypi.tuna.tsinghua.edu.cn/simple requests

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

1 sudo pip install –

i https://pypi.tuna.tsinghua.edu.cn/simple requests

  1. 爬取强大的BD页面,打印页面信息

1 # 第一个爬虫示例,爬取百度页面

2 import requests #导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.get(“http://www.baidu.com”) #生成一个response对象

4 response.encoding = response.apparent_encoding #设置编码格式

5 print(“状态码:”+ str( response.status_code ) ) #打印状态码

6 print(response.text)#输出爬取的信息

  1. 常用方法之get方法实例,下面还有传参实例

1 # 第二个get方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.get(“http://httpbin.org/get”) #get方法

4 print( response.status_code ) #状态码

5 print( response.text )

  1. 常用方法之post方法实例,下面还有传参实例

1 # 第三个 post方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.post(“http://httpbin.org/post”) #post方法访问

4 print( response.status_code ) #状态码

5 print( response.text )

  1. put方法实例

1 # 第四个 put方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.put(“http://httpbin.org/put”) # put方法访问

4 print( response.status_code ) #状态码

5 print( response.text )

  1. 常用方法之get方法传参实例(1)

如果需要传多个参数只需要用&符号连接即可如下:

1# 第五个 get传参方法实例
2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.get(“http://httpbin.org/get?name=hezhi&age=20”) # get传参

4 print( response.status_code ) #状态码

5 print( response.text )

  1. 常用方法之get方法传参实例(2)

params用字典可以传多个

1 # 第六个 get传参方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 data = {“name”:“hezhi”,“age”:20}response = requests.get( “http://httpbin.org/get”, params=data ) # get传参

4 print( response.status_code ) #状态码

5 print( response.text )

  1. 常用方法之post方法传参实例(2) 和上一个有没有很像

1 # 第七个 post传参方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 data = {“name”:“hezhi”,“age”:20}response = requests.post( “http://httpbin.org/post” , params=data ) # post传参

4 print( response.status_code ) #状态码

5 print( response.text )

  1. 关于绕过反爬机制,以zh爸爸为例

1 # 第好几个方法实例

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.get( “http://www.zhihu.com”)
#第一次访问知乎,不设置头部信息

4 print( “第一次,不设头部信息,状态码:”+response.status_code )

没写headers,不能正常爬取,状态码不是 2005 #下面是可以正常爬取的区别,更改了User-Agent字段


6 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”

7 }#设置头部信息,伪装浏览器

8 response = requests.get( “http://www.zhihu.com” , headers=headers ) #get方法访问,传入headers参数,

9 print( response.status_code ) # 200!访问成功的状态码

10 print( response.text )

  1. 爬取信息并保存到本地
    因为目录关系,在D盘建立了一个叫做爬虫的文件夹,然后保存信息

注意文件保存时的encoding设置

1 # 爬取一个html并保存

2 import requests

3 url = “http://www.baidu.com”

4 response = requests.get( url )

5 response.encoding = “utf-8” #设置接收编码格式

6 print(“\nr的类型” + str( type(response) ) )

7 print(“\n状态码是:” + str( response.status_code ) )

8 print(“\n头部信息:” + str( response.headers ) )

9 print( “\n响应内容:” )

10 print( response.text )

11 #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

12 file.write( response.text )

13 file.close()

  1. 爬取图片,保存到本地

1 #保存百度图片到本地

2 import requests #先导入爬虫的库,不然调用不了爬虫的函数

3 response = requests.get(“https://www.baidu.com/img/baidu_jgylogo3.gif”)
#get方法的到图片响应

4 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

5 file.write(response.content) #写入文件

6 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