标签:机器 获取网页 win64 显示 pen port win ida 爬虫
学习爬虫,首先有学会使用urllib库,这个库可以方便的使我们解析网页的内容,本篇讲一下它的基本用法
#导入urllib from urllib import request # 明确url base_url = ‘http://www.baidu.com/‘ # 发起一个http请求,返回一个类文件对象 response = request.urlopen(base_url) # 获取网页内容 html = response.read().decode(‘utf-8‘) #将网页写入文件当中 with open(‘baidu.html‘,‘w‘,encoding=‘utf-8‘) as f: f.write(html)
有些网站通过获取浏览器信息判断是否是机器在操作 因此我们需要构造请求头
#导入模块 from urllib import request base_url = ‘http://www.xicidaili.com/‘ # 构造请求头 headers = { ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36‘ } # 构造请求对象 req = request.Request(base_url,headers=headers) # 发起请求 response = request.urlopen(req) # 获取网页内容 html = response.read().decode() #打印获取的页面代码 print(html)
提交表单经常用到的就是post发送或者get发送。区别在于后者对于提交的内容会直接显示到url上。那么下面让我们尝试实现他们
from urllib import request,parse import random #get要带的值 qs = { ‘wd‘ : ‘妹子‘, ‘a‘ : 1 } #将携带的值转换为浏览器识别的值 qs = parse.urlencode(qs) #拼接url base_url = ‘http://www.baidu.com/s?‘ + qs #定义一个头列表用来随机获取 ua_list = [ ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36‘, ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36‘ ] # 构造请求头 headers = { # 随机构造user-agent ‘User-Agent‘: random.choice(ua_list) } # 构造请求对象 req = request.Request(base_url,headers=headers) # 发起请求 response = request.urlopen(req) # 获取请求内容 html = response.read().decode()html = response.read().decode()
from urllib import request,parse base_url = ‘http://fanyi.baidu.com/sug‘ # 构造请求表单数据 form = { ‘kw‘ : "一只羊" } #将携带的值转换为浏览器识别的值 form = parse.urlencode(form) # 构建post请求 ,如果指定data参数 ,则请求是post请求 req = request.Request(base_url,data=bytes(form,encoding=‘utf-8‘)) # 发起http post请求 response = request.urlopen(req) # 获取响应内容(json) data= response.read().decode()
这样就模拟了简单的登录,当然,大部分网站是无法这样轻易的就登录的,但这段代码是模拟登录的核心
标签:机器 获取网页 win64 显示 pen port win ida 爬虫
原文地址:https://www.cnblogs.com/mswyf/p/9323153.html