使用python做最简单的爬虫

标签：page   read   mozilla   center   microsoft   限制   span   font   gen   

使用python做最简单的爬虫

--之心

#第一种方法
import urllib2  #将urllib2库引用进来
response=urllib2.urlopen("http://www.baidu.com") #调用库中的方法，将请求回应封装到response对象中
html=response.read() #调用response对象的read（）方法，将回应字符串赋给hhtml变量
print html  #打印出来



#第二中方法
import  urllib2
req=urllib2.Request("http://ww.baidu.com")
response=urllib2.urlopen(req)
html = response.read()
print  html

一般情况下，上面的爬虫，如果大量爬行，会被限制访问，所以要伪装成浏览器进行访问   
这里用伪装成IE9.0进行访问


#要求请的url地址
import urllib2
url="http://www.baidu.com"
#要伪装的浏览器user_agent头
user_agent="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36;"
#创建字典，使请求的headers中的’User-Agent‘：对应user_agent字符串
headers={‘User-Agent‘:user_agent}
#新建一个请求，将请求中的headers变换成自己定义的
req =urllib2.Request(url,headers=headers)
#请求服务器，得到回应
response=urllib2.urlopen(req)
#得到回应内容
the_page=response.read()
#打印结果
print  the_page

使用python做最简单的爬虫

标签：page   read   mozilla   center   microsoft   限制   span   font   gen   

原文地址：http://www.cnblogs.com/DaoXin-WXR/p/8012968.html