Python爬虫初探

标签：爬虫   python   

pycharm中控制台运行后出现乱码。需要文件>>设置>>编辑器>>文件编码

爬取网页

#-*-coding:utf-8-*-
import requests

#中文编码 UTF-8
import sys
reload(sys)
sys.setdefaultencoding(‘utf-8‘)

#模拟浏览器
hea = {‘User-Agent‘:‘Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36‘}

url = ‘‘  #爬取链接
html = requests.get(‘url‘,headers = hea)

print html.text
print ‘开始爬取内容。。。‘

模拟登陆爬虫，  #带有cookie

关键是如何获取cookie

ps.cookie遇到每次登陆都变化要注意变化点，往往变化的地方是随机码

方法一：通过抓包神器——Fiddler

方法2：

直接用IE审查元素

#-*-coding:utf-8-*-
import requests
import re

cook = {‘Cookie‘:‘ ‘} 
url = ‘ ‘
html = requests.get(url, cookies = cook).content
print html

本文出自 “michelle” 博客，谢绝转载！

Python爬虫初探

标签：爬虫   python   

原文地址：http://5456032.blog.51cto.com/5446032/1699948