前段时间又被人问了会不会爬虫，然后感觉现在爬取数据好像还是挺有用的，所以就在网上找了课程学习了一下，利用Python对网站进行爬取和解析等等。原来使用过八爪鱼这个软件，不太需要有什么编程基础，但是也已经忘得差不错了，所以就想着学习利用Python进行爬取。

一、对爬虫的理解：

爬虫听上去似乎很高大上，其实简单一句话就是：模仿浏览器对网页进行访问并解析，进一步从中复制我们想要的信息，然后将其保存起来。

总共可以将其分为3个步骤：

爬取网页
解析数据
保存数据

这个时候我们就要想一想我们平时怎么使用浏览器浏览网页的，首先我们需要一个网址，然后回车后就会看到我们想看到的内容，然后利用鼠标点击进行点击相应的超链接进行进一步的访问。

接下来我们就要开启模拟浏览器访问数据了。

二、爬取网页

1.模仿浏览器

当浏览器对网址进行访问时，首先需要向服务器发送一个访问请求，并且将浏览器自身的一些信息发送给服务器，服务器接收到浏览器发送的信息之后开始检查，看这个“浏览器”是否有访问的权限，以及可以接受什么样的文件，然后服务器才能将信息发送到相应的浏览器上呈现给用户。

那么显而易见，我们现在要做的事情就是 模仿浏览器 给服务器发送信息：用户代理（User-Agent）！至于这个用户代理具体的含义以及用法还不是很清楚，但是可以简单的理解为我的浏览器的一个标志，表示我们是一个浏览器，而不是爬虫。

2.实例分析

下面以豆瓣为例，爬取前250名的高分电影的信息。其中需要导入一些包，包括网页解析、网页访问的和一些数据库操作的包。先来进行获取网页数据，对于解析和保存后面再慢慢学习。

（1）代码

# 导入所用到的包
from bs4 import BeautifulSoup      # 网页解析，获取数据
import re        # 正则表达式，进行文字匹配
import urllib.request,urllib.error    # 指定URL，获取网页数据
import xlwt      # 进行excel操作
import sqlite3   # 进行SQLite数据库操作# 主函数
def main():baseurl = "https://movie.douban.com/top250?start="# 1.爬取网页datalist = getData(baseurl)# 2.解析网页# 3.保存数据# 爬取网页函数
def getData(baseurl):datalist = []for i in range(0,10):n = str(i*25)   # 页数url = baseurl + n  # 每一页的网址html = askURL(url)  # 访问每一个网页的内容datalist.append(html)return datalist# 得到指定一个url的网页内容函数
def askURL(url):# 模拟浏览器头部信息，向豆瓣服务器发送消息（伪装）# 用户代理，表示告诉豆瓣服务器，我们是什么类型的机器/浏览器（本质上告诉浏览器，我们可以接受什么水平的文件内容）head = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.150 Safari/537.36"}request = urllib.request.Request(url, headers=head)html = ""try:response = urllib.request.urlopen(request)html = response.read().decode("utf-8")print(html)except urllib.error.URLError as e:if hasattr(e, "code"):print(e.code)if hasattr(e, "reason"):print(e.reason)return htmlif __name__ == "__main__":# 调用函数main()

（2）获取浏览器User-Agent

上面代码中需要说明的就是用户代理的那个变量head，可以直接在我们现有的浏览器中复制粘贴，打开一个网页，按F12键，然后点击Network，然后将网页刷新一下，点击红点暂停，点击一个请求，然后下拉到最后就会看到 User-Agent，直接复制粘贴过来即可！下面为操作截图。
1、打开网址

2、按F12键，然后点击Network

3、刷新网页

4、点击请求

5、复制粘贴User-Agent

总结

以上就是对网页访问的的一个基本的操作和代码，只实现了网页的简单访问，对于网页的解析和数据的保存后续在慢慢学习！

Python爬虫基础爬取网页访问网页相关推荐

Python爬虫基础--爬取王者荣耀英雄皮肤图片
文章目录思路分析涉及到的知识点 Json数据说明 `herolist.json`:英雄列表皮肤图片尺寸分析程序说明代码结果(数据)分析声明这里只是简单介绍主要内容,详见github,仓 ...
python爬虫基础爬取猫眼电影
爬取猫眼电影排行榜第一页 import requests from requests.exceptions import RequestException from sqlalchemy import ...
python爬虫之爬取网页基础知识及环境配置概括
记:python爬虫是爬取网页数据.统计数据必备的知识体系,当我们想统计某个网页的部分数据时,就需要python爬虫进行网络数据的爬取,英文翻译为 spider 爬虫的核心 1.爬取网页:爬取整个网页 ...
python爬虫实现爬取网页主页信息（html代码）
python爬虫实现爬取网页主页信息(html代码) 1.爬取网站源码 urllib整体介绍: urllib是一个包,收集几个模块来处理网址 urllib.request打开和浏览url中内容 url ...
python爬取网页表格数据匹配,python爬虫——数据爬取和具体解析
标签:pattern div mat txt 保存关于 json result with open 关于正则表达式的更多用法,可参考链接:https://blog.c ...
python爬取ajax动态内容肯德基门店,Python爬虫如何爬取KFC地址
随着人们生活水平的提高,肯德基这类的快餐消费的十分火爆,成为小朋友和年轻人的最爱,我们到一个地方想要找到肯德基店面,会根据导航获取肯德基地址,那你知道我们也可以使用python爬虫获取KFC地址吗?我 ...
Python爬虫实战爬取租房网站2w+数据-链家上海区域信息（超详细）
Python爬虫实战爬取租房网站-链家上海区域信息(过程超详细) 内容可能有点啰嗦大佬们请见谅后面会贴代码带火们有需求的话就用吧正好这几天做的实验报告就直接拿过来了,我想后面应该会有人用的到吧 ...
python爬虫实战---爬取大众点评评论
python爬虫实战-爬取大众点评评论(加密字体) 1.首先打开一个店铺找到评论很多人学习python,不知道从何学起. 很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手. 很多 ...
Python爬虫图片爬取简陋版
Python爬虫图片爬取简陋版因为在自学Python 学了几天打算写一个爬虫,后来发现学的python的基础还要学库于是花了好长时间查资料终于写出来一个简陋版本的东拼西凑还真让我搞成了下面 ...

Python爬虫基础爬取网页访问网页

目录

一、对爬虫的理解：

二、爬取网页

1.模仿浏览器

2.实例分析

（1）代码

（2）获取浏览器User-Agent

总结

Python爬虫基础爬取网页访问网页相关推荐

最新文章

热门文章

Python爬虫基础 爬取网页 访问网页

目录

一、对爬虫的理解：

二、爬取网页

1.模仿浏览器

2.实例分析

（1）代码

（2）获取浏览器User-Agent

总结

Python爬虫基础 爬取网页 访问网页相关推荐

最新文章

热门文章

Python爬虫基础爬取网页访问网页

Python爬虫基础爬取网页访问网页相关推荐