Python爬蟲代碼怎么寫

這篇“Python爬蟲代碼怎么寫”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“Python爬蟲代碼怎么寫”文章吧。

爬蟲是什么

爬蟲簡單的來說就是用程序獲取網絡上數據這個過程的一種名稱。

爬蟲的原理

如果要獲取網絡上數據，我們要給爬蟲一個網址（程序中通常叫URL），爬蟲發送一個HTTP請求給目標網頁的服務器，服務器返回數據給客戶端（也就是我們的爬蟲），爬蟲再進行數據解析、保存等一系列操作。

流程

爬蟲可以節省我們的時間，比如我要獲取豆瓣電影 Top250 榜單，如果不用爬蟲，我們要先在瀏覽器上輸入豆瓣電影的 URL ，客戶端（瀏覽器）通過解析查到豆瓣電影網頁的服務器的 IP 地址，然后與它建立連接，瀏覽器再創造一個 HTTP 請求發送給豆瓣電影的服務器，服務器收到請求之后，把 Top250 榜單從數據庫中提出，封裝成一個 HTTP 響應，然后將響應結果返回給瀏覽器，瀏覽器顯示響應內容，我們看到數據。我們的爬蟲也是根據這個流程，只不過改成了代碼形式。

HTTP請求

HTTP 請求由請求行、請求頭、空行、請求體組成。

請求行由三部分組成：

1.請求方法，常見的請求方法有 GET、POST、PUT、DELETE、HEAD
        2.客戶端要獲取的資源路徑
        3.是客戶端使用的 HTTP 協議版本號
請求頭是客戶端向服務器發送請求的補充說明，比如說明訪問者身份，這個下面會講到。

請求體是客戶端向服務器提交的數據，比如用戶登錄時需要提高的賬號密碼信息。請求頭與請求體之間用空行隔開。請求體并不是所有的請求都有的，比如一般的GET都不會帶有請求體。

上圖就是瀏覽器登錄豆瓣時向服務器發送的HTTP POST 請求，請求體中指定了用戶名和密碼。

HTTP 響應

HTTP 響應格式與請求的格式很相似，也是由響應行、響應頭、空行、響應體組成。

響應行也包含三部分，分別是服務端的 HTTP 版本號、響應狀態碼和狀態說明。

這里狀態碼有一張表，對應了各個狀態碼的意思

第二部分就是響應頭，響應頭與請求頭對應，是服務器對該響應的一些附加說明，比如響應內容的格式是什么，響應內容的長度有多少、什么時間返回給客戶端的、甚至還有一些 Cookie 信息也會放在響應頭里面。

第三部分是響應體，它才是真正的響應數據，這些數據其實就是網頁的 HTML 源代碼。

爬蟲代碼怎么寫

爬蟲可以用很多語言比如 Python、C++等等，但是我覺得Python是最簡單的，

因為Python有現成可用的庫，已經封裝到幾乎完美，

C++雖然也有現成的庫，但是它的爬蟲還是比較小眾，僅有的庫也不足以算上簡單，而且代碼在各個編譯器上，甚至同一個編譯器上不同版本的兼容性不強，所以不是特別好用。所以今天主要介紹python爬蟲。

安裝requests庫

cmd運行：pip install requests ，安裝 requests。

然后在 IDLE 或者編譯器（個人推薦 VS Code 或者 Pycharm ）上輸入

import requests 運行，如果沒有報錯，證明安裝成功。

安裝大部分庫的方法都是：pip install xxx（庫的名字）

requests的方法

最常用的get方法

r = requests.get(url)

包括兩個重要的對象：

構造一個向服務器請求資源的Request對象；返回一個包含服務器資源的Response對象

爬蟲小demo

requests是最基礎的爬蟲庫，但是我們可以做一個簡單的翻譯

我先把我做的一個爬蟲的小項目的項目結構放上，完整源碼可以私聊我下載。

下面是翻譯部分的源碼

import requests
def English_Chinese():
	url = "https://fanyi.baidu.com/sug"
	s = input("請輸入要翻譯的詞(中/英):")
	dat = {
		"kw":s
		}
	resp = requests.post(url,data = dat)# 發送post請求
	ch = resp.json() # 將服務器返回的內容直接處理成json => dict
	resp.close()
	dic_lenth = len(ch['data'])
	for i in range(dic_lenth):
		print("詞:"+ch['data'][i]['k']+" "+"單詞意思:"+ch['data'][i]['v'])

代碼詳解：

導入requests模塊，設置 url為百度翻譯網頁的網址。

然后通過 post 方法發送請求，再把返回的結果打成一個 dic （字典），但是這個時候我們打印出來結果發現是這樣的。

這是一個字典里套列表套字典的樣子，大概就是這樣的

{ xx:xx , xx:[ {xx:xx} , {xx:xx} , {xx:xx} , {xx:xx} ] }

我標紅的地方是我們需要的信息。

假如說我標藍色的列表里面有 n 個字典，我們可以通過 len() 函數獲取 n 的數值，

并使用 for 循環遍歷，得到結果。

dic_lenth = len(ch['data']
for i in range(dic_lenth):
    print("詞:"+ch['data'][i]['k']+" "+"單詞意思:"+ch['data'][i]['v'])

最后

爬取天氣的代碼

# -*- coding:utf-8 -*-
import requests
import bs4


def get_web(url):
    header = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.114 Safari/537.36 Edg/91.0.864.59"}
    res = requests.get(url, headers=header, timeout=5)
    # print(res.encoding)
    content = res.text.encode('ISO-8859-1')
    return content


def parse_content(content):
    soup = bs4.BeautifulSoup(content, 'lxml')

    '''
    存放天氣情況
    '''
    list_weather = []
    weather_list = soup.find_all('p', class_='wea')
    for i in weather_list:
        list_weather.append(i.text)

    '''
    存放日期
    '''
    list_day = []
    i = 0
    day_list = soup.find_all('h2')
    for each in day_list:
        if i <= 6:
            list_day.append(each.text.strip())
            i += 1
    # print(list_day)

    '''
    存放溫度：最高溫度和最低溫度
    '''
    tem_list = soup.find_all('p', class_='tem')
    i = 0
    list_tem = []
    for each in tem_list:
        if i == 0:
            list_tem.append(each.i.text)
            i += 1
        elif i > 0:
            list_tem.append([each.span.text, each.i.text])
            i += 1
    # print(list_tem)

    '''
    存放風力
    '''
    list_wind = []
    wind_list = soup.find_all('p', class_='win')
    for each in wind_list:
        list_wind.append(each.i.text.strip())
    # print(list_wind)
    return list_day, list_weather, list_tem, list_wind


def get_content(url):
    content = get_web(url)
    day, weather, tem, wind = parse_content(content)
    item = 0
    for i in range(0, 7):
        if item == 0:
            print(day[i]+':\t')
            print(weather[i]+'\t')
            print("今日氣溫："+tem[i]+'\t')
            print("風力："+wind[i]+'\t')
            print('\n')
            item += 1
        elif item > 0:
            print(day[i]+':\t')
            print(weather[i] + '\t')
            print("最高氣溫："+tem[i][0]+'\t')
            print("最低氣溫："+tem[i][1] + '\t')
            print("風力："+wind[i]+'\t')
            print('\n')

以上就是關于“Python爬蟲代碼怎么寫”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。