Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!

1.最简单的Python爬虫

最简单的Python爬虫莫过于直接使用urllib.request.urlopen(url=某网站)或者requests.get(url=某网站)例如:爬取漫客栈里面的漫画文章链接:运用Python爬虫下载漫客栈里面的漫画

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第1张图片

代码和运行结果:

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第2张图片

这是最简单也是最基础的Python爬虫.

2.需要添加headers的Python爬虫

有的网址爬取数据需要添加User-Sgent、Cookie等字段信息,这个时候我们需要添加一个请求头,也就是一个字典,User-Sgent、Cookie等字段信息就放这里面。如:运用Python爬虫下载表情包文章链接:运用Python爬虫下载表情包

没加请求头

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第3张图片

加上请求头:

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第4张图片

是不是加与没加,就有很大的区别.

3.所爬取的数据在NetWork里面

有个时候,我们所爬取的数据添加请求头之后,也爬取不到,这个时候,我们就需要想一想NetWork,下面有XHR和JS,也许所需要数据就在这两个其中的一个里面。如:爬取王者荣耀英雄皮肤爬取王者荣耀英雄皮肤

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第5张图片

如果用上面第二种方法,可以发现,就算添加请求头,也访问不到数据,我们看一下网页源代码,发现,这些数据根本就不在源代码中,所以这样肯定爬不到数据。我们点击电脑键盘F12,然后再点击NetWork下面的JS,按F5刷新,可以发现,这些图片的下载链接在JS下面的一个json文件里。

Python爬虫经常爬不到数据,或许你可以看一下小编的这篇文章!_第6张图片

4.动态加载的数据

动态加载的,像网易云音乐,虽然我们也可以在NetWork下面找到相应的数据,但是这是一个post请求,比较复杂,我们可以使用selenium模块,这个过程我就不讲解了这里有关于它的文章链接:运用selenium下载网易云音乐

5.总结

上面讲解的这些,我都有关于它们的文章,读者可以自行找到并阅读。也许我还是一个Python爬虫小白吧!讲解的深度还不够,希望大家谅解,在以后的日子里,我会加油学的。如果读者觉得我的这篇文章对于你有所帮助,希望大家给我点一个小小的赞,谢谢!

 

你可能感兴趣的:(python,人工智能,selenium,大数据,java)