学网站开发哪个好,上海app网络推广公司电话,宜昌市建设局网站,seo博客大全Web Spider
Python 如何访问互联网
URL lib --urllib
URL的一般格式为 protocol://hostname[:port] / /path /[;parameters][?query]#fragment#xff0c;其中[]为可选项
URL由三部分组成
第一部分是协议
第二部分是存放资源的服务器的域名系统或IP地址#xff08;有时…Web Spider
Python 如何访问互联网
URL lib --urllib
URL的一般格式为 protocol://hostname[:port] / /path /[;parameters][?query]#fragment其中[]为可选项
URL由三部分组成
第一部分是协议
第二部分是存放资源的服务器的域名系统或IP地址有时候要包含端口号各种传输协议都有默认的端口号
第三部分是资源的具体地址如目录或文件名
urllib是python的一个包
下面这个程序展示了获取百度新闻页面的网页数据的程序
importurllib.request
response urllib.request.urlopen(http://news.baidu.com/)
htmlresponse.read()
html html.decode(utf-8)print(html)
获得的response是二进制的所以需要通过utf-8解码
练习 从placekitten上保存一张猫猫的图片
importurllib.request
response urllib.request.urlopen(http://placekitten.com/g/500/600)
cat_imgresponse.read()
with open(cat_500_600.jpg,wb) as f:f.write(cat_img)
首先urlopen的参数 可以是一个字符串 也可以是一个request 对象
因此代码也可以写作把Request实例化
importurllib.request
req urllib.request.Request(http://placekitten.com/g/500/600)
responseurllib.request.urlopen(req)
cat_imgresponse.read()
with open(cat_500_600.jpg, wb) as f:f.write(cat_img)
Python提交POST表单访问有道翻译
爬有道词典但是没有成功原因是有道翻译添加了反爬机制salt和sign。
importurllib.requestimporturllib.parse
url1 http://fanyi.youdao.com/translate_o?smartresultdictsmartresultruledata {i: 你好!, type: AUTO, doctype: json, version: 2.1, keyfrom: fanyi.web, ue: UTF-8,typoresult: true}
data urllib.parse.urlencode(data).encode(utf-8) #把data编码
response urllib.request.urlopen(url1, data) #发出请求得到相应
html response.read().decode(utf-8) #read之后得到的是utf-8的格式解码成Unicode的形式
print(html)
Request 有一个heads的参数heads的格式是字典
修改heads可以通过两个方式修改
1.通过Request的headers参数修改
2.通过Request.add_header()方法修改
为了使爬虫更像人类可以通过
1.time来控制时间戳限制单位时间内IP的访问次数
import time
...
time.sleep(5)
2.代理
通过代理去访问服务器
1.参数是一个字典{‘类型’ ‘代理ip端口号’}
proxy_support urllib.request.ProxyHandler({})
2.定制一个opener
opener urllib.request.build_opener(proxy_support)
3.1.安装opener
urllib.request.install_opener(opener)
3.2.调用opener
opener.open(url)
教程使用的网站现在都设置了复杂的反爬机制了所以运行没有成功。
importurllib.request
url http://www.whatismyip.com.twproxy_support urllib.request.ProxyHandler({http: 221.122.91.66:80})
openerurllib.request.build_opener(proxy_support)
opener.addheaders {User-Agent, Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko)
Chrome/84.0.4147.105 Safari/537.36}
urllib.request.install_opener(opener)
responseurllib.request.urlopen(url)
html response.read().decode(utf-8)print(html)
