标签:02 请求 载体 text 爬取 标识 模块 requests UA
实战巩固
- 需求:爬取搜狗指定词条对应的搜索结果页面(简易网页采集器)
- 需求:破解百度翻译
- 需求:爬取豆瓣电影分类排行榜中的电影详细数据
- 需求:爬取肯德基餐厅查询中指定地点的餐厅数
- 需求:爬取国家药品监督管理总局中基于中华人民共和国化妆品生产许可证相关数据
网页采集器
# UA:User-Agent(请求载体的身份标识)
# UA伪装:门户网站的服务器会检测对应请求的载体身份标识,如果检测的请求的载体身份标识为某一款浏览器,说明该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
import requests
# 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/92.0.902.55'
}
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,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(fileName,'保存成功!!!')
标签:02,请求,载体,text,爬取,标识,模块,requests,UA 来源: https://blog.csdn.net/ouat2018/article/details/119257371
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。