requests模塊怎樣爬取網(wǎng)頁(yè)？（具體代碼演示）

更新時(shí)間:2021-11-19 來(lái)源:黑馬程序員瀏覽量:

IT培訓(xùn)班

爬取網(wǎng)頁(yè)其實(shí)就是通過(guò)URL獲取網(wǎng)頁(yè)信息，網(wǎng)頁(yè)信息的實(shí)質(zhì)是一段添加了JavaScript和CSS的HTML代碼。Python提供了一個(gè)抓取網(wǎng)頁(yè)信息的第三方模塊requests,requests模塊自稱(chēng)“HTTP for Humans”,直譯過(guò)來(lái)的意思是專(zhuān)門(mén)為人類(lèi)而設(shè)計(jì)的HTTP模塊，該模塊支持發(fā)送請(qǐng)求，也支持獲取響應(yīng)。

1.發(fā)送請(qǐng)求

requests模塊提供了很多發(fā)送HTTP請(qǐng)求的函數(shù)，常用的請(qǐng)求函數(shù)具體如表10-1所示。

表10-1 requests模塊的請(qǐng)求函數(shù)

requests模塊的請(qǐng)求函數(shù)

2.獲取響應(yīng)

requests模塊提供的Response 類(lèi)對(duì)象用于動(dòng)態(tài)地響應(yīng)客戶(hù)端的請(qǐng)求，控制發(fā)送給用戶(hù)的信息，并且將動(dòng)態(tài)地生成響應(yīng)，包括狀態(tài)碼、網(wǎng)頁(yè)的內(nèi)容等。接下來(lái)通過(guò)一張表來(lái)列舉Response類(lèi)可以獲取到的信息，如表10-2所示。

表10-2 Response 類(lèi)的常用屬性

Response 類(lèi)的常用屬性

接下來(lái)通過(guò)一個(gè)案例來(lái)演示如何使用requests模塊抓取百度網(wǎng)頁(yè)，具體代碼如下：

# 01 requests baidu
import requests
base_url = 'http://www.baidu.com'
#發(fā)送GET請(qǐng)求
res = requests.get (base_url)
print("響應(yīng)狀態(tài)碼：{}".format(res.status_code))      #獲取響應(yīng)狀態(tài)碼
print（"編碼方式：{}".format(res.encoding)）        #獲取響應(yīng)內(nèi)容的編碼方式
res.encoding = 'utf-8'          #更新響應(yīng)內(nèi)容的編碼方式為UIE-8
print（"網(wǎng)頁(yè)源代碼：\n{}".format(res.text）)           ＃獲取響應(yīng)內(nèi)容

以上代碼中，第2行使用import導(dǎo)入了requests模塊；第3~4行代碼根據(jù)URL向服務(wù)器發(fā)送了一個(gè)GET請(qǐng)求，并使用變量res接收服務(wù)器返回的響應(yīng)內(nèi)容；第5~6行代碼打印了響應(yīng)內(nèi)容的狀態(tài)碼和編碼方式；第7行將響應(yīng)內(nèi)容的編碼方式更改為“utf-8”；第8行代碼打印了響應(yīng)內(nèi)容。運(yùn)行程序，程序的輸出結(jié)果如下：

響應(yīng)狀態(tài)碼：200
編碼方式：ISO-8859-1
網(wǎng)頁(yè)源代碼：
<!DOCTYPE html>
<!–-STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;
charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=
always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.
com/r/www/cache/bdorz/baidu.min.css><title>百度一下,你就知道</title></head>
<body link=#0000cc>…省略N行…</body></html>

值得一提的是，使用requests模塊爬取網(wǎng)頁(yè)時(shí)，可能會(huì)因?yàn)闆](méi)有連接網(wǎng)絡(luò)、服務(wù)器連接失敗等原因?qū)е庐a(chǎn)生各種異常，最常見(jiàn)的兩個(gè)異常是URLError和HTTPError，這些網(wǎng)絡(luò)異?？梢允褂?try…except 語(yǔ)句捕獲與處理。

猜你喜歡：

寫(xiě)爬蟲(chóng)是用多進(jìn)程還是多線(xiàn)程？

網(wǎng)絡(luò)爬蟲(chóng)獲取數(shù)據(jù)的5種方式【Python爬蟲(chóng)】

反爬蟲(chóng)系統(tǒng)實(shí)戰(zhàn)教程【大數(shù)據(jù)培訓(xùn)】

HTTP請(qǐng)求格式：請(qǐng)求行、請(qǐng)求頭詳細(xì)介紹

黑馬程序員python+大數(shù)據(jù)開(kāi)發(fā)培訓(xùn)

上一篇：利用函數(shù)實(shí)現(xiàn)Pytho對(duì)象和JSON數(shù)據(jù)的相互轉(zhuǎn)換 下一篇：怎樣安裝和開(kāi)啟Kafka-Eagle？