10个python爬虫入门实例

涉及主要知识点:
web是如何交互的
requests库的get、post函数的应用
response对象的相关函数，属性
python文件的打开，保存

代码中给出了注释，并且可以直接运行哦

如何安装requests库(安装好python的朋友可以直接参考，没有的，建议先装一哈python环境)

windows用户，Linux用户几乎一样:

打开cmd输入以下命令即可，如果python的环境在C盘的目录，会提示权限不够，只需以管理员方式运行cmd窗口

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests

Linux用户类似(ubantu为例): 权限不够的话在命令前加入sudo即可

sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple requests

1.爬取强大的BD页面，打印页面信息

# 第一个爬虫示例,爬取百度页面import requests #导入爬虫的库，不然调用不了爬虫的函数response = requests.get("http://www.baidu.com")#生成一个response对象response.encoding = response.apparent_encoding #设置编码格式print("状态码:"+ str( response.status_code ))#打印状态码print(response.text)#输出爬取的信息

2.常用方法之get方法实例，下面还有传参实例

# 第二个get方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.get("http://httpbin.org/get")#get方法print( response.status_code )#状态码print( response.text )

3. 常用方法之post方法实例，下面还有传参实例

# 第三个 post方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.post("http://httpbin.org/post")#post方法访问print( response.status_code )#状态码print( response.text )

4. put方法实例

# 第四个 put方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.put("http://httpbin.org/put")# put方法访问print( response.status_code )#状态码print( response.text )

5.常用方法之get方法传参实例(1)

如果需要传多个参数只需要用&符号连接即可如下

# 第五个 get传参方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.get("http://httpbin.org/get?name=hezhi&age=20")# get传参print( response.status_code )#状态码print( response.text )

6.常用方法之get方法传参实例(2)

params用字典可以传多个

# 第六个 get传参方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数data ={"name":"hezhi","age":20}response = requests.get("http://httpbin.org/get",params=data )# get传参print( response.status_code )#状态码print( response.text )

7.常用方法之post方法传参实例(2) 和上一个有没有很像

# 第七个 post传参方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数data ={"name":"hezhi","age":20}response = requests.post("http://httpbin.org/post",params=data )# post传参print( response.status_code )#状态码print( response.text )

8.关于绕过反爬机制，以zh爸爸为例

# 第好几个方法实例import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.get("http://www.zhihu.com")#第一次访问知乎，不设置头部信息print("第一次,不设头部信息,状态码:"+response.status_code )#没写headers，不能正常爬取，状态码不是200#下面是可以正常爬取的区别，更改了User-Agent字段headers ={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.122 Safari/537.36"}#设置头部信息,伪装浏览器response = requests.get("http://www.zhihu.com", headers=headers )#get方法访问,传入headers参数，print( response.status_code )# 200！访问成功的状态码print( response.text )

9.爬取信息并保存到本地,

因为目录关系，在D盘建立了一个叫做爬虫的文件夹，然后保存信息

注意文件保存时的encoding设置

# 爬取一个html并保存import

requests

url ="http://www.baidu.com"response = requests.get( url )response.encoding ="utf-8"#设置接收编码格式print("\nr的类型"+ str( type(response)))print("\n状态码是:"+ str( response.status_code ))print("\n头部信息:"+ str( response.headers ))print("\n响应内容:")print( response.text )#保存文件file = open("D:\\爬虫\\baidu.html","w",encoding="utf-8")#打开一个文件，w是文件不存在则新建一个文件，这里不用wb是因为不用保存成二进制file.write( response.text )file.close()

10.爬取图片，保存到本地

#保存百度图片到本地import requests #先导入爬虫的库，不然调用不了爬虫的函数response = requests.get("https://www.baidu.com/img/baidu_jgylogo3.gif")#get方法的到图片响应file = open("D:\\爬虫\\baidu_logo.gif","wb")#打开一个文件,wb表示以二进制格式打开一个文件只用于写入file.write(response.content)#写入文件file.close()#关闭操作，运行完毕后去你的目录看一眼有没有保存成功

链接：https://www.cnblogs.com/h3zh1/p/12548946.html

（版权归原作者所有，侵删）

继续阅读

阅读原文