requests之网页采集器

Posted 2021-03-01 huahuawang

# 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浏览器
#说明该请求是一个正常的请求。否则为不正常的请求（爬虫），则服务器有可能拒绝
# 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 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/63.0.3239.132 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，
    res = requests.get(url=url,params=param,headers=headers)

    page_text = res.text
    fileName = kw +‘.html‘
    fp = open(fileName,‘w‘,encoding=‘utf-8‘)
    fp.write(page_text)
    print(fileName,"保存成功")