爬虫学习(一)网络请求

1.基础知识

基础.jpg

2.1urllib库

urllib库是python爬虫常用的库文件,其中用的比较多的有urllib.request模块和urllib.parse模块

 data = urllib.parse.urlencode(data).encode('utf-8') #将data编码为‘utf-8’格式
 req = urllib.request.Request(url,headers=headers)#发送请求(定制请求头)
 resp = urllib.request.urlopen(req)#抓取网页
 print(resp.read().decode("utf-8"))#读解码后的文件
urllib.parse.urlparse(url)#对URL进行分割
urllib.parse.urlsplit(url) #对URL进行分割

2.2使用代理

使用ProxyHandler处理器进行代理
获取免费IP网站有
www.xicidaili.com
www.kuaidaili.com
www.dailiyun.com

#代理IP
from urllib import request
url = 'http://httpbin.org/ip'
handler = request.ProxyHandler({"http":"60.191.11.249:3128"}) #用ProxyHandler传入代理,构建一个handler
opener = request.build_opener(handler) #用handler构建一个opener
resp = opener.open(url) #用opener发送请求并获取响应内容
print(resp.read())

2.3 cookie

识别用户信息常用于模拟登录
http.cookiejar库提供了获取cookie信息的操作

# 人人网案例 登录以获取页面(cookie)
# from urllib import request
# from urllib import parse
# from http.cookiejar import CookieJar
# headers = {
#     'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 Safari/537.36'
# }
# def get_opener(): #创建opener模块
#     cookiejar = CookieJar() #创建一个cookiejar对象
#     handler = request.HTTPCookieProcessor(cookiejar) #使用cookiejar创建一个HTTPCookieProcessor对象
#     opener = request.build_opener(handler) #使用上一步创建的handler创建一个opener对象
#     return opener
# def login_renren(opener):#登录模块
#     #传入登录账号密码
#     data = {
#         'email':'9701380748qq.com',
#         'password':'pythonspider'
#     }
#     login_url = 'http://www.renren.com/PLogin.do'
#     data = parse.urlencode(data).encode('utf-8')
#     req = request.Request(login_url,data,headers)
#     opener.open(req)
# def get_dapeng(opener):#获取页面模块
#     dapeng_url = 'http://www.ronren.com/880151247/profile'
#     req = request.Request(dapeng_url,headers=headers)
#     resp = opener.open(req)
#     with open('E:/桌面/dapeng.html','w',encoding='utf-8')as fp:
#         fp.write(resp.read().decode('utf-8'))
#     # print(resp.read().decode('utf-8'))
# if __name__ == '__main__':#主函数
#     opener = get_opener()
#     login_renren(opener)
#     get_dapeng(opener)

3.1 requests库

属于第三方库,可通过包管理工具pip安装

pip install requests

requests库的优点:更具人性化,比之前操作更方便

3.2 利用requests发送请求以及response的组成

resp = requests.get(url ,parse = 'kd',headers = headers) #kd为关键字
resp = requests.post(url,data = data,headers = headers)#data会自动编码
print(resp.text)#解码后的数据
print(resp.content)#从网页抓取的原始数据
print(resp.url)#查看url地址
print(resp.encoding)#查看响应头部字符编码
print(resp.status_code)#查看响应码

3.2用requests库使用代理

只需在请求时传递proxies参数即可

# # 设置代理IP
 proxy = {
     'http':'140.143.142.14:1080'
 }
requests.post(url,data = data,headers = headers,proxies = proxy)

3.3 cookie信息的加载与保存

使用的模块requests.Session()

session = requests.Session()
session.post(url_1,data,headers=headers)#获取到cookie信息并保存,可用于接下来的需要cookie信息的请求
resp = session.get(url,headers=headers)

3.4用requests处理不信任的ssl证书

在发送请求时添加参数verify = False

requests.post(url,data = data,headers = headers,verify = False)

彩蛋

拉勾网尝试爬取

#requests模块爬取拉勾网
import requests
url_1 = 'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput='
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 Safari/537.36',
    'Referer':'https://www.lagou.com/'
    }
session = requests.Session()
session.get(url_1,headers=headers)
url = 'https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'
headers = {
    'origin':'https://www.lagou.com',
    'referer':'https://www.lagou.com/jobs/list_python?labelWords=&fromSearch=true&suginput=',
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.61 Safari/537.36'

}
data = {
    'first':'true',
    'pn':'1',
    'kd':'python'
}
response = session.post(url,data,headers=headers)
print(response.json())
# with open('E:/桌面/lagou.txt','w',encoding='utf-8')as fp: #写入文件
#     fp.write(response.text)
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,905评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,140评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,791评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,483评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,476评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,516评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,905评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,560评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,778评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,557评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,635评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,338评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,925评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,898评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,142评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,818评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,347评论 2 342