爬虫入门（二）：单线程爬虫

date: 2016-09-25 17:38:42

python

Requests介绍与安装

• Windows环境下:pip install requests
• Linux环境下：sudo pip install requests

第三方库安装技巧

• 少使用easy_install因为只能安装不能卸载
• 多用pip方式安装
• 撞墙了怎么办？请戳->第三方库安装技巧

将下载的后缀为whl的文件改为zip, 解压文件，获得requests文件，拷贝到C盘的python/lib文件夹中。

第一个网络爬虫

Requests获取网页源代码

• 直接获取源代码
• 修改http头获取源代码

爬取python吧首页的源代码

 import requests
 html = requests.get('http://tieba.baidu.com/f?ie=utf-8&kw=python')
 print html.text
 

单线程爬虫的基本原理：使用requests获取网页源代码，再使用正则表达式匹配出感兴趣的内容。

向网页提取数据Get与Post

• Get是从服务器上获取数据
• Post是向服务器传送数据
• Get通过构造url中的参数来实现功能

分析目标网站

• 网站地址：https://www.crowdfunder.com/browse/deals
• 分析工具：Chrome-审核元素-Network

Requests表单提交功能

• 核心方法：Requests.post
• 核心步骤：构造表单-提交表单-获取返回信息