python抓取网页数据(requetsrequests库requests库 )
优采云 发布时间: 2021-10-05 10:16python抓取网页数据(requetsrequests库requests库
)
要求
Requests是一个简单易用的HTTP库,用Python实现,比urllib简单得多
因为它是第三方库,所以在使用之前需要安装CMD
pip安装请求
安装完成后,将其导入。如果正常,则表示可以使用
基本用法:
请求。Get()用于请求目标网站,类型为HTTP响应类型
mport requests
response = requests.get('http://www.baidu.com')
print(response.status_code) # 打印状态码
print(response.url) # 打印请求url
print(response.headers) # 打印头信息
print(response.cookies) # 打印cookie信息
print(response.text) #以文本形式打印网页源码
print(response.content) #以字节流形式打印
为您的请求添加标题
import requests
heads = {}
heads['User-Agent'] = 'Mozilla/5.0 ' \
'(Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 ' \
'(KHTML, like Gecko) Version/5.1 Safari/534.50'
response = requests.get('http://www.baidu.com',headers=headers)
靓汤
简而言之,BeautifulSoup是一个Python库。它的主要功能是从网页中获取数据。官方解释如下:
Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup自动将输入文档转换为Unicode编码,输出文档转换为utf-8编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup已成为和lxml、html6lib一样出色的python解释器,为用户灵活地提供不同的解析策略或强劲的速度。
Eautiful soup支持Python标准库中的HTML解析器和一些第三方解析器。如果我们不安装它,python将使用python的默认解析器。Lxml解析器功能更强大,速度更快。建议安装它
语法分析器文档具有很强的容错性
Lxml速度块,容错能力强
XML是唯一支持XML的解析器,它的速度非常快
Html5lib速度慢,容错性最强
实现简单的爬虫练习
import requests
from bs4 import BeautifulSoup
def getHTMLText(url):
try:
r = requests.get(url ,timeout = 30)
r = raise_for_status()
r.encoding = "utf-8"
return r.text
except:
return ""
url = "http://www.baidu.com"
print(getHTMLText(url))
import requests
from bs4 import BeautifulSoup
url = "http://www.baidu.com"
r = reuqests.get(url)
r.encoding = "utf-8"
soup = BeautifulSoup(r ,"xml")
print(soup.title.arrts)
print(soup.title.name)
print(soup.title.string)