requests实战之网页采集器

标签：tps   web   chrome   实战   服务   https   int   过程   采集器   

import requests


#UA伪装：
#UA:User-Agent(请求载体的身份标识)检测:
#门户网站的服务器会检测对应请求的身份载体标识，如果检测到请求的载体身份标识为某一款浏览器
#说明该请求是一个正常的请求，但是，如果检测到请求的载体身份标识不是某一款浏览器的，则表示该请求不是正常的请求（爬虫）
#则服务器端就可能拒绝该请求

#UA伪装:让爬虫对应的请求载体的身份标识伪装成某一款浏览器
if __name__ == "__main__":
    #UA伪装：将对应的User-Agent封装到一个字典中
    headers = {
        ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2626.106 Safari/537.36‘
    }
    url = ‘https://www.sogou.com/web‘
    #处理url携带的参数:封装到字典中
    kw = input(‘enter a word:‘)
    param = {
        ‘query‘:kw
    }
    #对指定的url发起的请求是携带参数的，并且请求的过程中处理了参数
    response = requests.get(url=url,params=param,headers=headers)

    page_text = response.text
    fileName = kw+‘.html‘
    with open(fileName,‘w‘,encoding=‘utf-8‘) as fp:
        fp.write(page_text)
    print(fileName,‘保存成功‘)

requests实战之网页采集器

标签：tps   web   chrome   实战   服务   https   int   过程   采集器   

原文地址：https://www.cnblogs.com/gerenboke/p/13388979.html