Request库实战
[TOC]
实例1：京东商品页面爬取
例如我们爬取最新的荣耀V20信息，目前仅仅是将HTML内容爬取下来
V20京东地址为：https://item.jd.com/39167157921.html
导入requests库 - 输入url - 爬取html
import requests
try:
r = requests.get('https://item.jd.com/39167157921.html')
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[:1000])
except:
print('爬取失败')
结果为
'<!DOCTYPE HTML>\n<html lang="zh-CN">\n<head>\n <!-- shouji -->\n <meta http-equiv="Content-Type" content="text/html; charset=gbk" />\n <title>华为（HUAWEI） 荣耀v20手机 魅海蓝 8+128G 全网通【图片 价格 品牌 报价】-京东</title>\n <meta name="keywords" content="华为（HUAWEI） 荣耀v20手机 魅海蓝 8+128G 全网通,华为（HUAWEI）,,京东,网上购物"/>\n <meta name="description" content="华为（HUAWEI） 荣耀v20手机 魅海蓝 8+128G 全网通图片、价格、品牌样样齐全！【京东正品行货，全国配送，心动不如行动，立即购买享受更多优惠哦！】" />\n <meta name="format-detection" content="telephone=no">\n <meta http-equiv="mobile-agent" content="format=xhtml; url=//item.m.jd.com/product/39167157921.html">\n <meta http-equiv="mobile-agent" content="format=html5; url=//item.m.jd.com/product/39167157921.html">\n <meta http-equiv="X-UA-Compatible" content="IE=Edge">\n <link rel="canonical" href="//item.jd.com/39167157921.html"/>\n <link rel="dns-prefetch" href="//misc.360buyimg.com"/>\n <link rel="dns-prefetch" href="//static.360buyimg.com"/>\n <link rel="dns-prefetch" href="//img10.360buyimg.com"/>\n '
实例2：亚马逊商品页面爬取
为什么要用Amazon呢，因为它的网站加入了反扒机制，会检测用户域，如果是爬虫则会拒绝访问，因此需要修改user-agent域来伪装成浏览器
import requests
url = 'https://www.amazon.cn/dp/B07746N2J9/ref=br_bsl_pdt-1?pf_rd_m=A1AJ19PSB66TGU&pf_rd_s=desktop-bestsellers-1&pf_rd_r=3XP0DWDNGYDFH219T9HY&pf_rd_r=3XP0DWDNGYDFH219T9HY&pf_rd_t=36701&pf_rd_p=546d17f0-7c03-421a-b79c-845e0ff4f521&pf_rd_p=546d17f0-7c03-421a-b79c-845e0ff4f521&pf_rd_i=desktop'
try:
kv = {'user-agent':'Mozilla/5.0'} #Chrome works too
r = requests.get(url, headers = kv)
r.raise_for_status()
r.encoding = r.apparent_encoding
print(r.text[1000:2000])
except:
print('爬取失败')
实例3：百度关键字提交
百度关键字url接口：
https://www.baidu.com/s?wd=keyword
这是一个关键字的情况，前面提到params参数可以添加参数到url，所以通过添加参数params来添加搜索关键词，而关键词的键值对是以wd=value出现
import requests
keyword = 'Python'
try:
kv = {'wd':keyword}
r = requests.get('baidu.com/s',params=kv)
print(r.request.url)
r.raise_for_status()
print(len(t.text))
except:
print('Failed')
实例4：网络图片的爬取和存储
网络图片的爬取首先要取得图片链接的格式，使用get取得二进制数据后，使用write函数wb二进制写入
国家地理图片爬取
试一试中国国家地理的图片http://img0.dili360.com/ga/M01/34/17/wKgBy1SzO_SAeNc3AA6kjU76gRY482.tub.jpg
url最后的一段是文件的名称和格式
import requests
import os
url = 'http://img0.dili360.com/ga/M01/34/17/wKgBy1SzO_SAeNc3AA6kjU76gRY482.tub.jpg'
root = 'D://pics//'
path = root + url.split('/')[-1]
try:
if not os.path.exists(root):
os.mkdir(root) #创建文件夹
if not os.path.exists(path):
r = requests.get(url)
with open(path, 'wb') as f:
f.write(r.content) #二进制文件，用content返回信息
print('File Saved')
else:
print('File existed')
except:
print('Download Faild')
漂亮~
img
网友评论