设为首页收藏本站
开启辅助访问 软件测试门户软件测试培训软件测试论坛测试解决方案文章资料精选软件测试博客软件测试招聘

51Testing软件测试论坛

 找回密码
 (注-册)加入51Testing

QQ登录

只需一步，快速开始

微信登录，快人一步

手机号码，快捷登录

51Testing软件测试论坛 »软件测试论坛 › [管理工具] › [自动化测试工具及框架] › Python网络爬虫-你的第一个爬虫（requests库）
返回列表 发新帖
查看: 1692|回复: 1
打印 上一主题 下一主题

Python网络爬虫-你的第一个爬虫（requests库）

[复制链接]
测试积点老人
  • TA的每日心情
    无聊
    5 小时前

    • 签到天数: 528 天

    连续签到: 1 天

    [LV.9]测试副司令
    跳转到指定楼层
    1#
    发表于 2019-1-14 14:19:28 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
    本帖最后由 测试积点老人 于 2019-1-14 14:22 编辑

    0.采用requests库

    虽然urllib库应用也很广泛，而且作为Python自带的库无需安装，但是大部分的现在python爬虫都应用requests库来处理复杂的http请求。requests库语法上简洁明了，使用上简单易懂，而且正逐步成为大多数网络爬取的标准。


    1. requests库的安装

    采用pip安装方式，在cmd界面输入：

    1. pip install requests
    复制代码

    2. 示例代码

    我们将处理http请求的头部处理来简单进行反反爬虫处理，以及代理的参数设置，异常处理等。

    1. import requests


    4. def download(url, num_retries=2, user_agent='wswp', proxies=None):
    5.     '''下载一个指定的URL并返回网页内容
    6.         参数：
    7.             url(str): URL
    8.         关键字参数：
    9.             user_agent(str):用户代理（默认值：wswp）
    10.             proxies（dict）： 代理（字典）: 键：‘http’'https'
    11.             值：字符串（‘http(s)://IP’）
    12.             num_retries(int):如果有5xx错误就重试（默认：2）
    13.             #5xx服务器错误，表示服务器无法完成明显有效的请求。
    14.             #https://zh.wikipedia.org/wiki/HTTP%E7%8A%B6%E6%80%81%E7%A0%81
    15.     '''
    16.     print('==========================================')
    17.     print('Downloading:', url)
    18.     headers = {'User-Agent': user_agent} #头部设置，默认头部有时候会被网页反扒而出错
    19.     try:
    20.         resp = requests.get(url, headers=headers, proxies=proxies) #简单粗暴，.get(url)
    21.         html = resp.text #获取网页内容，字符串形式
    22.         if resp.status_code >= 400: #异常处理，4xx客户端错误 返回None
    23.             print('Download error:', resp.text)
    24.             html = None
    25.             if num_retries and 500 <= resp.status_code < 600:
    26.                 # 5类错误
    27.                 return download(url, num_retries - 1)#如果有服务器错误就重试两次

    29.     except requests.exceptions.RequestException as e: #其他错误，正常报错
    30.         print('Download error:', e)
    31.         html = None
    32.     return html #返回html


    35. print(download('http://www.baidu.com'))
    复制代码

    结果：

    1. Downloading: http://www.baidu.com
    2. <!DOCTYPE html>
    3. <!--STATUS OK-->
    4. ...
    5. </script>

    7. <script>
    8. if(navigator.cookieEnabled){
    9.     document.cookie="NOJS=;expires=Sat, 01 Jan 2000 00:00:00 GMT";
    10. }
    11. </script>



    15. </body>
    16. </html>
    复制代码


    分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
    微信
    收藏收藏
    【喜讯】51微信互动平台签到赚积点上线了
    回复

    使用道具 举报

    返回列表 发新帖

    本版积分规则

    关闭

    站长推荐上一条 /1 下一条

    小黑屋|手机版|Archiver|51Testing软件测试网 ( 沪ICP备05003035号 )  关于我们

    GMT+8, 2024-11-18 14:52 , Processed in 0.063408 second(s), 23 queries .

    Powered by Discuz! X3.2

    © 2001-2024 Comsenz Inc.

    快速回复 返回顶部 返回列表