Python爬虫的简单入门及实用的实例(1)
来源:互联网 发布:中文安卓编程开创者 编辑:程序博客网 时间:2024/06/13 06:15
一.PYthon爬虫的介绍及应用
利用爬虫可以进行数据挖掘,比如可以爬取别人的网页,收集有用的数据进行整合和划分,简单的就是用程序爬取网页上的所有图片并保存在自己新建的文件夹内,还有可以爬社交网站的自拍图,将几十万张的图片合在一起,就知道大众的模样。也可以将爬取的数据进行处理,生成一种可视化的东西。
二.请求网页的过程
(注:编者用的环境为Python3.6.1,python2.x和Python3.x在这个上有所不同,2.x有两个urllib和urllib2,而3.x只有urllib)
主要用到urllib这个库
请求的网页的过程简单的理解就是向服务器发送一个头信息,然后返回一个信息。
可以查看网页的元素看到,
常见的所使用的方法也就是GET,POST
在过滤消息头里可以看出有个参数就是User-Agent,这个就是访问请求的环境,一般为浏览器,如果用程序访问时,为Python3.x,这是就不允许访问了,防止恶意访问,但也有方法伪装
三.简单的爬个网页
import urllib.resquesturl="http://www.baidu.com"response=urllib.resquest.urlopen(url)html=respose.read()for eachline in html: print(eachline)
url分为三部分①第一部分是协议(或称为服务方式)。
②第二部分是存有该资源的主机IP地址(有时也包括端口号)。
③第三部分是主机资源的具体地址,如目录和文件名等。
四.一个好玩的翻译的例子,让你分分钟了解爬虫的好玩之处
import urllib.requestimport urllib.parseimport jsoncontent=input("请输入需要翻译的内容:\n")url='http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=https://www.baidu.com/link'data={}data['type']='AUTO'data['i']=contentdata['doctype']='json'data['xmlVersion']='1.8'data['keyfrom']='fanyi.web'data['ue']='UTF-8'data['action']='FY_BY_CLICKBUTTTON'data['typoResult']='true'data=urllib.parse.urlencode(data).encode('utf-8')response=urllib.request.urlopen(url,data)html=response.read().decode('utf-8')target=json.loads(html)print('翻译结果为:%s' % (target['translateResult'][0][0]['tgt']))
urllib.request.urlopen(url,data)
data为图中的请求数据url为上上图中的请求网址
0 0
- Python爬虫的简单入门及实用的实例(1)
- python爬虫系列(1)——一个简单的爬虫实例
- 简单的python爬虫抓取图片实例
- Python---BeautifulSoup 简单的爬虫实例
- Python爬虫的post请求简单实例
- Python入门简单的静态网页爬虫
- Python入门(一):爬虫基本结构&简单实例
- Python爬虫入门笔记:一个简单的爬虫架构
- Python的简单爬虫原理及实现
- 简单的爬虫入门
- Python爬虫实例(5)-简单的爬虫,用XML爬取卡车图片
- python网络爬虫入门(一)——简单的博客爬虫
- Python简单的爬虫
- 简单的python爬虫
- 简单的Python 爬虫
- Python 爬虫入门实例
- Python简单爬虫实例
- 简单Python爬虫实例
- BZOJ 2761: [JLOI2011]不重复数字
- angularjs 本地数据存储LocalStorage
- 获取TextView控件字符长度
- Map的3种遍历方式
- hadoop hive 2.1.1 将Hive启动为服务
- Python爬虫的简单入门及实用的实例(1)
- ajaxFileUpload 异步上传文件配合PHP的使用
- VMware tools 安装
- 冒泡排序解剖
- 【matlab】运行 越算越慢
- 版本控制SourceTree、Git
- 性能测试周期和LOADRunner初步介绍
- Log4j2的简要使用
- springboot下配置resource路径下的静态资源