python爬虫——简易网页采集器学习笔记

252次阅读
没有评论

UA
1、UA :User-Agent(请求载体的身份标识)
2、UA检测:门户网站的服务器会检测对应请求的载体身份标识,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基于某一款浏览器,则表示该请求为不正常的请求(爬虫),则服务器端很可能会拒绝该请求
3、UA伪装:让爬虫对应的请求载体身份标识伪装成某一款浏览器

# 网页采集器

import requests # UA :User-Agent(请求载体的身份标识) # UA检测:门户网站的服务器会检测对应请求的载体身份标识,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基于某一款浏览器,则表示该请求为不正常的请求(爬虫),则服务器端很可能会拒绝该请求 # UA伪装:让爬虫对应的请求载体身份标识伪装成某一款浏览器 if __name__ == '__main__': # UA伪装:将对应的请求载体身份标识伪装成某一款浏览器 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36 Edg/97.0.1072.69' }

# 指定url 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 }

# 发送请求(携带参数) response = requests.get(url=url,params=param,headers=headers) # 获取响应数据 page_text = response.text fileName = kw + '.html' print(page_text) # 持久化存储 with open(fileName, 'w', encoding='utf-8') as fp: fp.write(page_text) print(fileName,'保存成功。。。')

成功: 

python爬虫——简易网页采集器学习笔记

 python爬虫——简易网页采集器学习笔记

 

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-27发表,共计1006字。
新手QQ群:570568346,欢迎进群讨论 Python51学习