python爬虫实战

Posted 2021-09-01 想成为大师啊

实战一：网页采集器

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

导包

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 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/92.0.4515.107 Safari/537.36 Edg/92.0.902.62'
    }

网页地址

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发起的请求对应的是url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('爬取完毕')