标签 爬虫 下的文章

Python爬虫第一幕


什么是UrllibPython内置的HTTP请求库urllib.request 请求模块urllib.error 异常处理模块urllib.parse url解析模块url.robotparser robots.txt解析模块urllib相比于Python2的变化Python2import urllib2 response = urllib.urlopen('http://www.baidu.com')Python3import urllib.request response = urllib.request.urlopen('http://www.baidu.com')

爬虫须知


爬虫基本流程发起请求通过HTTP库向目标站点发起请求,即发送一个Request,请求可以包含额外的headers等信息,等待服务器响应。获取响应内容如果服务器能正常响应,会得到一个Response,Response的内容便是所要获取的页面内容,类型可能有HTML、Json字符串、二进制数据(如图片视频)等类型。解析内容得到的内容可能时HTML,可以用正则表达式、网页解析库进行解析。可能是Json,可以直接转为Json对象解析,可能是二进制数据,可以做保存或者进一步处理。保存数据保存形式多样,可以存为文本也可以保存至数据库,或者保存特定格式的文件。Request和Response(1)浏览器就发送消息给该网址所在的服务器,这个过程叫做HTTP Request。(2)服务器收到浏览器发送的消息后,能够根据浏览器发送消息的内容做相应的处理,然后把消息回传给浏览器。这...

召唤看板娘