<ruby id="bdb3f"></ruby>

    <p id="bdb3f"><cite id="bdb3f"></cite></p>

      <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
        <p id="bdb3f"><cite id="bdb3f"></cite></p>

          <pre id="bdb3f"></pre>
          <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

          <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
          <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

          <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                <ruby id="bdb3f"></ruby>

                ??一站式輕松地調用各大LLM模型接口,支持GPT4、智譜、豆包、星火、月之暗面及文生圖、文生視頻 廣告
                那么接下來,小伙伴們就一起和我真正邁向我們的爬蟲之路吧。 ## 1.分分鐘扒一個網頁下來 怎樣扒網頁呢?其實就是根據URL來獲取它的網頁信息,雖然我們在瀏覽器中看到的是一幅幅優美的畫面,但是其實是由瀏覽器解釋才呈現出來的,實質它 是一段HTML代碼,加 JS、CSS,如果把網頁比作一個人,那么HTML便是他的骨架,JS便是他的肌肉,CSS便是它的衣服。所以最重要的部分是存在于HTML中的,下面我 們就寫個例子來扒一個網頁下來。 ~~~ import urllib2 response = urllib2.urlopen("http://www.baidu.com") print response.read() ~~~ 是的你沒看錯,真正的程序就兩行,把它保存成 demo.py,進入該文件的目錄,執行如下命令查看運行結果,感受一下。 ~~~ python demo.py ~~~ ![](https://box.kancloud.cn/2016-05-29_574a8e5b5f050.png) 看,這個網頁的[源碼]已經被我們扒下來了,是不是很酸爽? ## 2.分析扒網頁的方法 那么我們來分析這兩行代碼,第一行 ~~~ response = urllib2.urlopen("http://www.baidu.com") ~~~ 首先我們調用的是urllib2庫里面的urlopen方法,傳入一個URL,這個網址是百度首頁,協議是HTTP協議,當然你也可以把HTTP換做FTP,FILE,HTTPS 等等,只是代表了一種[訪問控制]協議,urlopen一般接受三個參數,它的參數如下: `urlopen(url, data, timeout)` 第一個參數url即為URL,第二個參數data是訪問URL時要傳送的數據,第三個timeout是設置超時時間。 第二三個參數是可以不傳送的,data默認為空None,timeout默認為 socket._GLOBAL_DEFAULT_TIMEOUT 第一個參數URL是必須要傳送的,在這個例子里面我們傳送了百度的URL,執行urlopen方法之后,返回一個response對象,返回信息便保存在這里面。 `print response.read()` response對象有一個read方法,可以返回獲取到的網頁內容。 如果不加read直接打印會是什么?答案如下: ` addinfourl at 139728495260376 whose fp = socket._fileobject object at 0x7f1513fb3ad0>> ` 直接打印出了該對象的描述,所以記得一定要加read方法,否則它不出來內容可就不怪我咯! ## 3.構造Requset 其實上面的urlopen參數可以傳入一個request請求,它其實就是一個Request類的實例,構造時需要傳入Url,Data等等的內容。比如上面的兩行代碼,我們可以這么改寫 ~~~ import urllib2 request = urllib2.Request("http://www.baidu.com") response = urllib2.urlopen(request) print response.read() ~~~ 運行結果是完全一樣的,只不過中間多了一個request對象,推薦大家這么寫,因為在構建請求時還需要加入好多內容,通過構建一個request,[服務器]響應請求得到應答,這樣顯得邏輯上清晰明確。 ## 4.POST和GET數據傳送 上面的程序演示了最基本的網頁抓取,不過,現在大多數網站都是動態網頁,需要你動態地傳遞參數給它,它做出對應的響應。所以,在訪問時,我們需要傳遞數據給它。最常見的情況是什么?對了,就是登錄注冊的時候呀。 把數據用戶名和密碼傳送到一個URL,然后你得到服務器處理之后的響應,這個該怎么辦?下面讓我來為小伙伴們揭曉吧! 數據傳送分為POST和GET兩種方式,兩種方式有什么區別呢? 最重要的區別是GET方式是直接以鏈接形式訪問,鏈接中包含了所有的參數,當然如果包含了密碼的話是一種不安全的選擇,不過你可以直觀地看到自己提交了什么內容。POST則不會在網址上顯示所有的參數,不過如果你想直接查看提交了什么就不太方便了,大家可以酌情選擇。 ### POST方式: 上面我們說了data參數是干嘛的?對了,它就是用在這里的,我們傳送的數據就是這個參數data,下面[演示]一下POST方式。 ~~~ import urllib import urllib2 values = {"username":"1016903103@qq.com","password":"XXXX"} data = urllib.urlencode(values) url = "https://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn" request = urllib2.Request(url,data) response = urllib2.urlopen(request) print response.read() ~~~ 我們引入了urllib庫,現在我們模擬登陸CSDN,當然上述代碼可能登陸不進去,因為還要做一些設置頭部header的工作,或者還有一些參數 沒有設置全,還沒有提及到在此就不寫上去了,在此只是說明登錄的原理。我們需要定義一個字典,名字為values,參數我設置了username和 password,下面利用urllib的urlencode方法將字典編碼,命名為data,構建request時傳入兩個參數,url和data,運 行程序,即可實現登陸,返回的便是登陸后呈現的頁面內容。當然你可以自己搭建一個[服務器]來測試一下。 注意上面字典的定義方式還有一種,下面的寫法是等價的 ~~~ import urllib import urllib2 values = {} values['username'] = "1016903103@qq.com" values['password'] = "XXXX" data = urllib.urlencode(values) url = "http://passport.csdn.net/account/login?from=http://my.csdn.net/my/mycsdn" request = urllib2.Request(url,data) response = urllib2.urlopen(request) print response.read() ~~~ 以上方法便實現了POST方式的傳送 ### GET方式: 至于GET方式我們可以直接把參數寫到網址上面,直接構建一個帶參數的URL出來即可。 ~~~ import urllib import urllib2 values={} values['username'] = "1016903103@qq.com" values['password']="XXXX" data = urllib.urlencode(values) url = "http://passport.csdn.net/account/login" geturl = url + "?"+data request = urllib2.Request(geturl) response = urllib2.urlopen(request) print response.read() ~~~ 你可以print geturl,打印輸出一下url,發現其實就是原來的url加?然后加編碼后的參數 ~~~ http://passport.csdn.net/account/login?username=1016903103%40qq.com&password=XXXX ~~~ 和我們平常GET訪問方式一模一樣,這樣就實現了數據的GET方式傳送。 本節[講解]了一些基本使用,可以抓取到一些基本的網頁信息,小伙伴們加油!
                  <ruby id="bdb3f"></ruby>

                  <p id="bdb3f"><cite id="bdb3f"></cite></p>

                    <p id="bdb3f"><cite id="bdb3f"><th id="bdb3f"></th></cite></p><p id="bdb3f"></p>
                      <p id="bdb3f"><cite id="bdb3f"></cite></p>

                        <pre id="bdb3f"></pre>
                        <pre id="bdb3f"><del id="bdb3f"><thead id="bdb3f"></thead></del></pre>

                        <ruby id="bdb3f"><mark id="bdb3f"></mark></ruby><ruby id="bdb3f"></ruby>
                        <pre id="bdb3f"><pre id="bdb3f"><mark id="bdb3f"></mark></pre></pre><output id="bdb3f"></output><p id="bdb3f"></p><p id="bdb3f"></p>

                        <pre id="bdb3f"><del id="bdb3f"><progress id="bdb3f"></progress></del></pre>

                              <ruby id="bdb3f"></ruby>

                              哎呀哎呀视频在线观看