教育行業(yè)A股IPO第一股（股票代碼 003032）

全國咨詢/投訴熱線：400-618-4000

怎樣使用requests模塊抓取網(wǎng)頁？

更新時間:2021年11月19日11時06分 來源:傳智教育 瀏覽次數(shù):

好口碑IT培訓

爬取網(wǎng)頁其實就是通過URL獲取網(wǎng)頁信息，網(wǎng)頁信息的實質是一段添加了JavaScript和CSS的HTML代碼。Python提供了一個抓取網(wǎng)頁信息的第三方模塊requests,requests模塊自稱“HTTP for Humans”,直譯過來的意思是專門為人類而設計的HTTP模塊，該模塊支持發(fā)送請求，也支持獲取響應。

1.發(fā)送請求

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

表10-1 requests模塊的請求函數(shù)

requests模塊的請求函數(shù)

2.獲取響應

requests模塊提供的Response 類對象用于動態(tài)地響應客戶端的請求，控制發(fā)送給用戶的信息，并且將動態(tài)地生成響應，包括狀態(tài)碼、網(wǎng)頁的內容等。接下來通過一張表來列舉Response類可以獲取到的信息，如表10-2所示。

表10-2 Response 類的常用屬性

Response 類的常用屬性

接下來通過一個案例來演示如何使用requests模塊抓取百度網(wǎng)頁，具體代碼如下：

# 01 requests baidu
import requests
base_url = 'http://www.baidu.com'
#發(fā)送GET請求
res = requests.get (base_url)
print("響應狀態(tài)碼：{}".format(res.status_code))      #獲取響應狀態(tài)碼
print（"編碼方式：{}".format(res.encoding)）        #獲取響應內容的編碼方式
res.encoding = 'utf-8'          #更新響應內容的編碼方式為UIE-8
print（"網(wǎng)頁源代碼：\n{}".format(res.text）)           ＃獲取響應內容

以上代碼中，第2行使用import導入了requests模塊；第3~4行代碼根據(jù)URL向服務器發(fā)送了一個GET請求，并使用變量res接收服務器返回的響應內容；第5~6行代碼打印了響應內容的狀態(tài)碼和編碼方式；第7行將響應內容的編碼方式更改為“utf-8”；第8行代碼打印了響應內容。運行程序，程序的輸出結果如下：

響應狀態(tài)碼：200
編碼方式：ISO-8859-1
網(wǎng)頁源代碼：
<!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)頁時，可能會因為沒有連接網(wǎng)絡、服務器連接失敗等原因導致產生各種異常，最常見的兩個異常是URLError和HTTPError，這些網(wǎng)絡異?？梢允褂?try…except 語句捕獲與處理。




猜你喜歡：

urllib和requests哪個好用？

Python requests模塊是做什么的?

通用爬蟲和聚焦爬蟲介紹【Python技術文章】

學會python有哪些好處？python抓取知乎神回復

傳智教育python+大數(shù)據(jù)開發(fā)培訓

0 分享到：
和我們在線交談！