day03 python基础

python学习：

一：爬虫原理
二：Requests请求库

一：爬虫原理
    1.什么是互联网
　　互联网其实是由一堆网络设备（比如: 网线、路由器、交换机、防火墙等等...）
    与一台台的计算机连接而成，就像一张蜘蛛网一样。
    2.互联网建立的目的
    互联网建立的目的是为了数据的传递以及数据的共享
    3.上网的全过程
    上网其实指的是有用户端（客户端）的计算机向目标计算机发送请求，将目标计算机的数据下
    载到客户端计算机的过程。

    普通用户获取数据的方式:
浏览器提交请求 ---> 下载页面代码 ---> 解析/渲染成页面。

    爬虫程序获取数据的方式:
模拟浏览器发送请求 ---> 下载页面代码 ---> 只提取有用的数据 ---> 存放于数据库中或文件中。

    普通用户与爬虫程序的区别:

普通用户:  普通用户是通过打开浏览器访问网页，浏览器会接收所有的数据。

爬虫程序:  爬虫程序只提取网页代码中对我们有价值的数据。
    4.什么是数据
    例如：淘宝，京东商品信息
    东方财富。雪球网的一些证券信息
    链家，自如等房源信息
    12306的票务信息
    5.浏览器发送的是什么请求
        http协定的请求
    -客户端
        浏览器
    -服务端
    https://www.jd.com/
    www.jd.com(京东的域名）——>DNS解析——>京东的服务器的IP 和 端口
    http+ssl://www.jd.com/
    客户端的ip和端口——》服务端的IP和端口发送请求可以建立链接获取相应的数据
    6.爬虫的全过程
    -发送请求 （需要请求库：Requests请求库，Selenium请求库）
    -获取响应数据 （只要往服务器发送请求，请求通过后会返回响应数据）
    -解析并提取数据 （需要解析库：re, BeautifulSoup4, Xpath...)
    -保存到本地  (文件处理， 数据库 ，MongoDB存储库
    )
二：Requests请求库
    一：
    二：
    三：抓包分析
        打开浏览器的开发者模式（检查）——》选中network
        找到访问的也米娜后缀：xxx.html(响应文本）
        1)请求url(访问的网站地址）
        2)请求方式
            GET:
                直接发送请求获取数据
                https://www.cnblogs.com/kermitjam/articles/9692597.html
            POST:
            需要携带用户信息往目标地址发送请求
                https://www.cnblogs.com/login
        3)响应状态码：
            2xx：成功
            3xx：重定向
            4xx:找不到资源
            5xx：服务器错误
        4）请求头信息：
            User-Agent:用户代理(证明是通过电脑设备及浏览器发送的请求）
            Cookies:登录用户真实信息（证明你目标网站的用户）
            Referer:上一次访问的url(证明你是从目标网站跳转过来）
        5）请求体：
            POST请求才会有请求体
            Form Data
                {
    
                    'user':'tank',
                    'pwd':'123'
'''
#import requests
# #导入requests请求库
# response = requests.get(url="https://daohang.qq.com/?fr=hmpage")
# #设置字符编码为 utf-8
# response.encoding = "utf-8"
# #打印文本
# print(response.text)
# #把相应文本写入文本文档
# with open("qq.html","w",encoding="utf-8") as f:
#     f.write(response.text)
#爬梨视频
# video_url = "https://v.qq.com/x/cover/4s77qwpsgcoa2ay/e0031srzbq4.html"
# #打印二进制流图片，视频等数据
# response = requests.get(url=video_url)
# print(response.content)
# with open("海阔天空.mp4", "wb") as g:
#     g.write(response.content)

'''
    四：
    爬取豆瓣电影
    .;从当前位置开始
    *：查找所有
    ?:找到第一个不找
    .*?:非贪婪匹配
    .*:贪婪匹配
    （.*?):提取括号内的数据
    排名，电影url, 电影名称，导演-主演-类型，电影评分，评价人数，电影简介
'''
#爬取一组视频
import requests
import re
#前往梨视频主页发送请求
response = requests.get("https://www.pearvideo.com/")
print(response.text)
#re 正则匹配获取所有视频
# 参数一：正则匹配规则
# 参数二：解析文本
# 参数三：匹配模式
res_list = re.findall('print(res_list)

#p拼接每一个视频详情页url
for v_id in res_list:
    detail_url = "https://www.pearvideo.com/video" + v_id
    #print(detail_url)

    #对每一个视频详请页发送请求视频 频源url
    response = requests.get(url = detail_url)
python爬虫三部曲：

# '''
#     http
#     1.发送请求
#     2.解析数据
#     3.保存数据
#         四：
#     爬取豆瓣电影
#     .;从当前位置开始
#     *：查找所有
#     ?:找到第一个不找
#     .*?:非贪婪匹配
#     .*:贪婪匹配
#     （.*?):提取括号内的数据
#     排名，电影url, 电影名称，导演-主演-类型，电影评分，评价人数，电影简介
# '''

import requests
import re

#爬虫三部曲
# 1.发送请求
def get_page(base_url):
    response = requests.get(base_url)
    return response

# main+回车键

# 2.解析文本
def parse_index(text):

    res = re.findall('
.*?(.*?).*?.*?(.*?).*?导演:(.*?)
.*?(.*?).*?人评价.*?(.*?)',text)
    return res


# 3.保存数据
def save_data(data):
    with open("doubantop250.txt", "a", encoding="utf-8") as f:
        f.write(data)


if __name__ == '__main__':
    num = 0
    for line in range(10):
        base_url = f'https://movie.douban.com/top250?start={num}&filter='
        num += 25
        print(base_url)

        # 发送请求，调用函数
        response = get_page(base_url)

        # 解析文本
        movie_list = parse_index(response.text)

        # 保存文本
        # 数据格式化
        for movie in movie_list:
            # print(movie)

            # 解压赋值
            # 电影排名  电影url 电影名称 导演-主演-类型 电影影评 评价人数 电影简介
            v_top, v_url, v_name, v_daoyan, v_point, v_num, v_desc = movie
            # v_top = movie[0]
            # v_url = movie[1]
            movie_content = f'''
            电影排名：{v_top}
            电影url：{v_url}
            电影名称：{v_name}
            导演主演：{v_daoyan}
            电影评分：{v_point}
            评价人数：{v_num}
            电影简介:{v_desc}
            \n
            '''
            print(movie_content)

            # 保存数据
            save_data(movie_content)

转载于:https://www.cnblogs.com/Giannis/p/11094412.html