教育行業(yè)A股IPO第一股（股票代碼 003032）

全國(guó)咨詢/投訴熱線：400-618-4000

怎樣使用requests模塊抓取網(wǎng)頁(yè)？

更新時(shí)間:2021年11月19日11時(shí)06分 來(lái)源:傳智教育 瀏覽次數(shù):

好口碑IT培訓(xùn)

爬取網(wǎng)頁(yè)其實(shí)就是通過(guò)URL獲取網(wǎng)頁(yè)信息，網(wǎng)頁(yè)信息的實(shí)質(zhì)是一段添加了JavaScript和CSS的HTML代碼。Python提供了一個(gè)抓取網(wǎng)頁(yè)信息的第三方模塊requests,requests模塊自稱“HTTP for Humans”,直譯過(guò)來(lái)的意思是專門為人類而設(shè)計(jì)的HTTP模塊，該模塊支持發(fā)送請(qǐng)求，也支持獲取響應(yīng)。

1.發(fā)送請(qǐng)求

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

表10-1 requests模塊的請(qǐng)求函數(shù)

requests模塊的請(qǐng)求函數(shù)

2.獲取響應(yīng)

requests模塊提供的Response 類對(duì)象用于動(dòng)態(tài)地響應(yīng)客戶端的請(qǐng)求，控制發(fā)送給用戶的信息，并且將動(dòng)態(tài)地生成響應(yīng)，包括狀態(tài)碼、網(wǎng)頁(yè)的內(nèi)容等。接下來(lái)通過(guò)一張表來(lái)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(lái)通過(guò)一個(gè)案例來(lái)演示如何使用requests模塊抓取百度網(wǎng)頁(yè)，具體代碼如下：

# 01 requests baidu
import requests
base_url = 'http://www.baidu.com'
#發(fā)送GET請(qǐng)求
res = requests.get (base_url)
print("響應(yīng)狀態(tài)碼：{}".format(res.status_code))      #獲取響應(yīng)狀態(tài)碼
print（"編碼方式：{}".format(res.encoding)）        #獲取響應(yīng)內(nèi)容的編碼方式
res.encoding = 'utf-8'          #更新響應(yīng)內(nèi)容的編碼方式為UIE-8
print（"網(wǎng)頁(yè)源代碼：\n{}".format(res.text）)           ＃獲取響應(yīng)內(nèi)容

以上代碼中，第2行使用import導(dǎo)入了requests模塊；第3~4行代碼根據(jù)URL向服務(wù)器發(fā)送了一個(gè)GET請(qǐng)求，并使用變量res接收服務(wù)器返回的響應(yīng)內(nèi)容；第5~6行代碼打印了響應(yīng)內(nèi)容的狀態(tài)碼和編碼方式；第7行將響應(yīng)內(nèi)容的編碼方式更改為“utf-8”；第8行代碼打印了響應(yīng)內(nèi)容。運(yùn)行程序，程序的輸出結(jié)果如下：

響應(yīng)狀態(tài)碼：200
編碼方式：ISO-8859-1
網(wǎng)頁(yè)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(yè)時(shí)，可能會(huì)因?yàn)闆](méi)有連接網(wǎng)絡(luò)、服務(wù)器連接失敗等原因?qū)е庐a(chǎn)生各種異常，最常見(jiàn)的兩個(gè)異常是URLError和HTTPError，這些網(wǎng)絡(luò)異?？梢允褂?try…except 語(yǔ)句捕獲與處理。




猜你喜歡：

urllib和requests哪個(gè)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(shù)文章】

學(xué)會(huì)python有哪些好處？python抓取知乎神回復(fù)

傳智教育python+大數(shù)據(jù)開發(fā)培訓(xùn)

0 分享到：
和我們?cè)诰€交談！