爬取搜狗指定词条对应的搜索结果页面（简易网页采集器）

实战巩固

    - 需求：爬取搜狗指定词条对应的搜索结果页面（简易网页采集器）

        - UA检测

        - UA伪装

#UA：User-Agent（请求载体的身份标识）

#UA检测：

门户网站的服务器会检测对应请求的载体身份标识，如果检测到请求的载体身份标识为某一款浏览器，说明该请求是一个正常的请求。但是，如果检测到请求的载体身份标识不是基于某一款浏览器的，则表示该请求为不正常的请求（爬虫），则服务器端就很有可能拒绝该次请求。

UA伪装：

让爬虫对应的请求载体身份标识伪装成某一款浏览器

import requests

if __name__ =="__main__":

#UA伪装：将对应的User-Agent封装到一个字典中

    headers = {

'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'

    }

url ='https://www.sogou.com/web'

    #处理url携带的参数：封装到字典中

    kw =input('enter a word:')

param = {

'query':kw

}

#对指定的url发起的请求对应的url是携带参数的，并且请求过程中处理了参数

    response = requests.get(url=url,params=param,headers=headers)

page_text = response.text

fileName = kw+'.html'

    with open(fileName,'w',encoding='utf-8')as fp:

fp.write(page_text)

print(fileName,'保存成功！！！')

kw=input('enter a word;')

param={

'query':kw

}

response=requests.get(url=url,params=param,headers=headers)

page_text=response.text

fileName=kw+'.html'

with open(fileName,'w',encoding='utf-8') as fp:

fp.wirte(page_text)

print(fileNAme,'保存成功')