|
1 简单爬取一个网页 怎么爬取一个网页内容那？首先我们要知道其URL，然后根据URL来请求远程web服务器将网页内容发给我们就好了。当我们在浏览器看到一副画面唯美的页面，其实这是由浏览器经过渲染后呈现出来的，实质上是一段HTML内容，加上CSS和JS。如果将一个网页比作一个人的话，HTML就是人的骨架，CSS就像是人的衣服，JS就是人的肌肉，所以最重要的就是HTML，下面我们就用简单的两行代码来请求获得百度首页的HTML内容： 执行该Python代码，打印出来便是百度首页的HTML内容：  2代码解析  这行代码我们调用了urllib库中request模块的一个urlopen方法，并传了它一个网页地址，我们看看urlopen方法的原始定义：  其他几个参数都是默认参数，可不传递，其中data是访问URL时传送的数据，timeout参数是设置访问超时的。Urlopen返回的是一个response是什么那？打印出来为： http.client.HTTPResponseobjectat0x000002A2EC452408 > 可见response是一个HTTPResponse对象，所以利用其read方法获取HTML页面内容。 3构造Request 其实在实际的编程中，我们一般不会直接给urlopen函数只是传递一个网址，因为一个完成的URL请求会包含很多内容，所以在request模块里有一个Requst类，封装了URL请求所需的众多参数，所以在请求服务器之前，先构建了一个Request对象，这样就显得逻辑很清楚了，如下：  4数据传送方法GET和POST 上面方法获取到的是一个静态页面，现在的网页大多都是动态网页，需要动态的给网站传递参数，然后网站做出对应的响应，比如登录注册操作，这就要用到数据传送。 数据传送有两种方法，一种是GET，另一种是POST，两种方法的区别是GET方法是直接以链接的方式进行传送，参数包含在链接中，传了什么参数一目了然，缺点是参数不安全；POST方法则不会讲参数直接放到链接中，你想直观的看到传递参数就没那么容易了，但从安全角度来讲会更好。 POST方式： 上面说到urlopen函数中有一个参数data，就是用来传送请求数据的，POST方式就是借助data参数来传递的，如下：  首先需要构造一个包含用户名和密码的字典数据usr，然后用urllib.parse中的方法urlencode方法对字典数据进行编码，并将其传递给request对象中，这样就完成了POST动态网页的请求操作。 GET方式： GET方式则是直接将用户名和密码参数写到网址中，构造一个新的URL，再进行请求，如下：  |
|
|
