前言

大家在日常生活中經(jīng)常需要查找不同的事物的相關(guān)信息，今天我們利用python來實(shí)現(xiàn)這一個(gè)小功能，同時(shí)呢，也是大家對(duì)基礎(chǔ)知識(shí)的一個(gè)綜合實(shí)踐，相信有不少小伙伴已經(jīng)準(zhǔn)備躍躍欲試了，話不多說，開干！

本次爬蟲思路

• 獲取url
• 通過請(qǐng)求拿到響應(yīng)
• 處理反爬
• 修改傳遞參數(shù)
• 完善程序

urllib庫

1.urllib庫的介紹

urllib庫是Python的標(biāo)準(zhǔn)庫，提供了一系列用于操作URL的功能，其大部分功能與requests庫類似，也有一些特別的用法。
urllib庫是Python標(biāo)準(zhǔn)庫提供的一個(gè)用戶操作URL的模塊，Python3把原來Python 2的urilib庫和Urllib 2庫合并成了一個(gè)Urllib庫，現(xiàn)在講解的就是Python3中的Urllib庫。

urllib.request——打開和讀取URL；

urllib.error——包含Urllib.request各種錯(cuò)誤的模塊；

urlib.parse——解析URL；

urllib.robotparse——解析網(wǎng)站robots.txt文件。

2.urllib庫的使用模板

import urllib.request     
url ='xxxxxxxxxxxx'   
#發(fā)送請(qǐng)求                
 request= urllib.request.Request（url，data，header）      
 #得到響應(yīng)
 response=urllib.request.urlopen（request）
 #解碼
 content = response.read().decode() 
 #查看數(shù)據(jù)
 print(content)    

3.使用urllib庫獲取數(shù)據(jù)

1. 獲取URL：首先使用Chrome瀏覽器打開某度網(wǎng)頁，隨便輸入一個(gè)：xxx,然后打開開發(fā)者工具（右鍵檢查），切換到網(wǎng)絡(luò)界面，清空記錄，重新刷新頁面，可以看到：

如此這個(gè)URL就是我們需要獲取的URL：https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&rsv_idx=1&tn=baidu&wd=%E6%B3%95%E8%A7%A3%E5%86%B3%E6%96%B9%E6%B3%95&fenlei=256&rsv_pq=0x8dc81b9f001c02d3&rsv_t=1c35crTFwJXLFoeU8nF33RDMyj9nX%2FofGDNqUmHapdGRlUDmKmo7610WDRno****&rqlang=en&rsv_dl=tb&rsv_sug3=7&rsv_enter=0&rsv_btype=i&inputT=2267&rsv_sug4=2878
分析：加粗的這一堆：就是法解決方法這幾個(gè)關(guān)鍵字；

2.通過請(qǐng)求拿到響應(yīng)：直接利用模板模擬瀏覽器發(fā)起請(qǐng)求：

突然發(fā)現(xiàn)我們沒有拿到想要的數(shù)據(jù)。難道是我們程序?qū)戝e(cuò)了嗎？

3. 處理反爬:莫急，俗話說人靠衣服馬靠鞍，服務(wù)器就像大美女，你要打扮的帥帥的，才能獲得美女的芳心，當(dāng)然，這種方法是對(duì)于我們?nèi)藖碚f的，你可別馬上就給電腦噴香水啊，針對(duì)程序來說，我們就需要偽裝，假裝我是一個(gè)瀏覽器，那么，如何偽裝呢？我們就需要攜帶一些參數(shù)，先試試這個(gè)：
user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36（主要是我們電腦瀏覽器的名稱，版本信息），再試一次：

成功“騙”過了服務(wù)器，這樣就拿到了數(shù)據(jù)（高興??）,別著急，我們?cè)偎伎家幌拢懿荒芡ㄟ^修改一些參數(shù)，就讓我們想找哪些數(shù)據(jù)就拿哪些數(shù)據(jù)，好，接下來我們就分析它的參數(shù)：

• 修改傳遞參數(shù)：

wd：xx，它是這樣傳遞我們輸入的文字的，那么我們創(chuàng)造一個(gè)字典類型的鍵值對(duì)，發(fā)送請(qǐng)求時(shí)，再將這個(gè)參數(shù)拼接上去，這樣不就實(shí)現(xiàn)了我們的需求嘛（特別注意編解碼的問題）

哈哈，這里百度第二個(gè)安全驗(yàn)證出來了，根本原因是我們攜帶的一些參數(shù)有問題，因?yàn)檫€有一些參數(shù)在變，但是對(duì)于我們?nèi)腴T的童鞋處理起來不太友好，所以常用三種方法：
1.將wd后面的參數(shù)直接去掉；（成功率不高）
2.去掉HTTPS后面的是s，使用http協(xié)議；（成功率不高）
3.使用cookie；（比較穩(wěn)定）

我選擇使用第三種：

這樣就利用urllib庫實(shí)現(xiàn)了這個(gè)小功能。別著急，更簡(jiǎn)單的方法還在后面呢!????

4.urllib庫一些個(gè)人總結(jié)

1. urllib庫在處理一些網(wǎng)址的時(shí)候比requests庫更加快捷；
2. urllib庫涉及編解碼的問題，必須手動(dòng)添加；
3. 使用起來代碼行數(shù)多，比較笨重。
是不是感覺全是缺點(diǎn)，正因如此，我們的requests庫應(yīng)運(yùn)而生，簡(jiǎn)單快捷方便，是對(duì)它最清晰的寫照，更加的人性化，接下來正式介紹這一大殺器，同時(shí)也希望大家盡量使用 requests庫來寫爬蟲（真的很好很好很好用！??）。

requests庫

5.requests庫的介紹

requests庫常用有這些功能：
1、Keep-Alive & 連接池
2、國(guó)際化域名和 URL
3、帶持久 Cookie 的會(huì)話
4、自動(dòng)內(nèi)容解碼
5、優(yōu)雅的 key/value Cookie
6、Unicode 響應(yīng)體
7、HTTP(S) 代理支持

6.requests庫的使用模板

import requests   
url ='xxxxxxxxxxxx' 
#發(fā)送請(qǐng)求                              
response = request.get(url， params，headers)  (get請(qǐng)求或者post請(qǐng)求)  
#根據(jù)響應(yīng)的格式解碼，非常智能
response.encoding=response.appareent_encoding

7.使用requests庫獲取數(shù)據(jù)

布置爬蟲的步驟在urllib庫使用的時(shí)候已經(jīng)非常詳細(xì)的解釋了，在此不在贅述，步驟相同，大家可以嘗試用模板自己寫一下（我個(gè)人的代碼放在最后了）。如果有哪里不懂得，可以在評(píng)論區(qū)留言，博主會(huì)盡全力解答。

8.requests庫一些個(gè)人總結(jié)

1. requests庫步驟簡(jiǎn)單；
2. 各種操作方法人性化，功能更加強(qiáng)大；
3. requests 庫擁有完全自動(dòng)化 Keep-alive 和 HTTP 連接池的功能,主要是突出Python的優(yōu)雅二字。

9.個(gè)人建議（附代碼）

1.部署爬蟲時(shí)要先思考好大步驟，最好能把步驟寫下來，然后一步一步逐步去寫代碼；
2.再仔細(xì)去瀏覽網(wǎng)頁，確然好你爬的信息接口是哪個(gè)，是什么類型的請(qǐng)求，參數(shù)是什么，是存在網(wǎng)頁本身還是二次加載進(jìn)來的等等，一定要細(xì)心認(rèn)真；
3.處理反爬時(shí)一般攜帶的參數(shù)就是：User-Agent，Cookie，Accept，Host，這幾個(gè)，如果還是拿不到數(shù)據(jù)，那就是進(jìn)階了，暫時(shí)先不用管；
4.多觀察幾次請(qǐng)求，找到規(guī)律，實(shí)現(xiàn)規(guī)模式爬取（這也是爬蟲的初心）
5.優(yōu)化自己的程序，提高效率的同時(shí)又要避免被檢測(cè)出來，多思考就會(huì)有靈感。
request庫代碼：

import requests

data = input('輸入你想要查找的數(shù)據(jù)：').split()

url ='http://www.baidu.com/s'

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36',
    'Cookie': 'BIDUPSID=CDE3B4BEE7AE0D336C4D0734E42BCF8B; PSTM=1664331801; BAIDUID=CDE3B4BEE7AE0D33996D27FED1DDB4DB:FG=1; BD_UPN=12314753; BDUSS=JNdXVzTXMyWmFKM0x1VWJ5eG9GUjg4UmVCRFQxY1dtejBPVDFBfjc0VHhYRnRqRVFBQUFBJCQAAAAAAAAAAAEAAACse3WjanNuZGJpZAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAPHPM2PxzzNjTT; BDUSS_BFESS=JNdXVzTXMyWmFKM0x1VWJ5eG9GUjg4UmVCRFQxY1dtejBPVDFBfjc0VHhYRnRqRVFBQUFBJCQAAAAAAAAAAAEAAACse3WjanNuZGJpZAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAPHPM2PxzzNjTT; newlogin=1; ZFY=utLrULRdQjGdhXHuTriamg7jZ2PZMLmnKmUCBUiVrTw:C; BAIDUID_BFESS=CDE3B4BEE7AE0D33996D27FED1DDB4DB:FG=1; BA_HECTOR=ag04ah242k2l2h0la0010ofe1ho8t901f; BDORZ=FFFB88E999055A3F8A630C64834BD6D0; COOKIE_SESSION=765400_1_9_9_5_15_1_0_9_7_0_0_1292084_0_0_0_1668919087_1669684425_1669684425%7C9%234656831_6_1669684425%7C3; B64_BOT=1; BDRCVFR[7FEYkXni5q3]=mk3SLVN4HKm; BD_HOME=1; H_PS_PSSID=26350; BD_CK_SAM=1; PSINO=3; delPer=1; H_PS_645EC=3d48biiwjEvDlNFtMaUHuepsRu67OxRgPoEiOrMKvfRketUwB4GowDbv4KmDa%2BaTHUgCCoc; baikeVisitId=e1f583c7-eb15-4940-a709-054666f30f48; BDSVRTM=443'
}

data = {
    'wd': data
}
response = requests.get(url=url, params=data, headers=headers)

response.encoding = response.apparent_encoding

print(response.text)

以上就是利用python獲取想要搜索的數(shù)據(jù)的詳細(xì)內(nèi)容，更多關(guān)于python獲取數(shù)據(jù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論