Python爬虫 Day1

要注意看网页的请求方式是request还是get

一、小型爬虫 （爬百度首页）

from urllib.request import urlopen
url = "https://www.baidu.com"
resp = urlopen(url)
print(resp.read().decode('utf-8'))
print("over!")
//！！！！！！！！！！！！！！！！！
from urllib.request import  urlopen
url = "http://www.baidu.com"
resp = urlopen(url)
with open ("mybai.html",mode = "w") as f:
    f.write(resp.read().decode("utf-8"))
print("ok")

二、http协议

1.请求：

请求行：请求方式（get/post) 请求url地址 协议 请求方式：get显示提交、post隐式提交

请求头：放服务器用到的附加信息：：User-Agent\Referer\cookie

请求体：一般放一些请求参数

2.响应

状态行：协议 状态码 200 404 500 302

响应头：放客户端使用的附加信息：：cookie

响应体：服务器真正返回给客户端的

三、Request111（爬百度搜索结果1）Get方式直接拼接f，Query String Parameters

//小小反爬，在网页f12找network，在Request里找User-Agent
import requests
url = 'http://www.baidu.com/s?wd=%E5%91%A8%E6%9D%B0%E4%BC%A6'
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0"}
resp = requests.get(url,headers = headers)
print(resp)
print(resp.text)
//改良版通过交互获得需要的内容！！！！！！！！！！！！！！！！！！
import requests
query = input("请输入要查找的内容：")

url = f'https://www.baidu.com/s?wd={query}'
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0"}
resp = requests.get(url,headers = headers)
print(resp.text)

四、Request222（爬百度翻译）Post方式 User-Agent

import requests
url = "https://fanyi.baidu.com/sug"
s = input("请输入要查找的单词：")
dat = {
    "kw":s
}
# 发送post请求,发送的数据必须放在字典中，通过data参数进行传递
resp = requests.post(url,data = dat)
print(resp.json())#将服务器返回的内容直接处理成json() 
# print(resp.text)

运行显示时用 .json() 解决乱码问题