一键了解获取网页requests方式

目录

一、爬虫原理：

二、安装：

测试：

三、文件的操作

方式一 

 方式二:

方式三

四、认识User-Agent

4.1、为什么用User-Agent：

步骤：

五、请求方式

5.1、get

 5.2、post

六、爬出有中国关键字页面案例

---

一、爬虫原理：

代码发起请求 获取到请求的网页的源码，从源码里面筛选内容

 

二、安装：

第一步：在终端运行安装命令

pip install requests

第二步：导入模块

import requests

写好会报错说明没有安装 

测试：

 resp=requests.get("https://www.baidu.com")
print(resp)

输出 响应码200，即代表请求成功

三、文件的操作

r 读取    w 写入  a 追加  b 二进制  + 又读又写 

open打开文件夹

mode模式

encoding编码方式

方式一 

file=open('a.html',mode='w+',encoding='utf-8')
# 放内容
file.write("")
# 关闭
 file.close()

 方式二:

不用手动关闭，自动关闭

with open('a.html',mode='w+',encoding='utf-8') as f:
    f.write("")

方式三

 # 百度的数据保存到网页中
file=pathlib.Path('a.html')
# 写入
file.write_text("hello world",encoding='utf-8')
# 如果文件不存在，就点touch
file.touch()

四、认识User-Agent

4.1、为什么用User-Agent：

发现爬下来的百度不一样，而且访问不了----->反爬虫的策略

步骤：

找到浏览器的标识：右键----检查----网络----请求头----User-Agent(网页上的请求，都会带它)

把浏览器标识带上就会以为我们是正常标识， 

注：可以发现标识在请求头中 

可以看见爬下来的效果

五、请求方式

5.1、get

requests.get(url)

 url是请求的地址

params请求携带的参数

headers请求头 

resp是响应对象

resp.text响应内容

resp.json响应内容,格式是json，把数据变成字典对象 resp.content是二进制内容（响应主题）

resp.status_code响应编码

应用场景：想知道访问是否失败了

例如：

if resp.status_code==200:        

         内容

案例：

resp = requests.get("https://www.baidu.com", headers={
    # 把复杂的东西粘贴下来
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 '
                  'Safari/537.36 '
})
if resp.status_code == 200:
    # 保存
    file = pathlib.Path("baidu.html")
    file.write_text(resp.text, encoding='utf-8')

 5.2、post

data要带的数据
resp响应的内容

import pathlib

import requests


resp = requests.post("http://www.baidu.com", data={
    "key": 123
}, headers={
    #     让它觉得我是浏览器
    "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 '
                  'Safari/537.36 '
})
if resp.status_code == 200:
    # 保存
    file = pathlib.Path("baidu2.html")
    file.write_text(resp.text, encoding='utf-8')

六、爬出有中国关键字页面案例

# https://www.baidu.com/s?ie=utf-8&wd=%E4%B8%AD%E5%9B%BD
# params用传参的方式

根据地址栏分析 

 

resp = requests.get(url="https://www.baidu.com/s", params={
    "wd": "中国"
}, headers={
    #让它觉得我是浏览器
    "User-Agent": 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 Edg/120.0.0.0'
})
# 防止报错
resp.encoding = 'utf-8'
# 保存
# file文件
file = pathlib.Path("zg.html")
# 写入内容
file.write_text(resp.text, encoding='utf-8')