【Python-爬虫】

Python-爬虫

  • [■ 爬虫分类](#■ 爬虫分类)
    • [■ 1. 通用网络爬虫:(搜索引擎使用,遵守robots协议)](#■ 1. 通用网络爬虫:(搜索引擎使用,遵守robots协议))
      • [■ robots协议(君子协议)](#■ robots协议(君子协议))
    • [■ 2. 聚集网络爬虫:自己写的爬虫程序](#■ 2. 聚集网络爬虫:自己写的爬虫程序)
  • [■ urllib.request(请求模块)](#■ urllib.request(请求模块))
    • [■ 示例一:01_Request.py 向百度发送请求,并获取http响应码](#■ 示例一:01_Request.py 向百度发送请求,并获取http响应码)
    • [■ 示例二:02_Request.py](#■ 示例二:02_Request.py)
    • [■ 示例三:03_Request.py](#■ 示例三:03_Request.py)
  • [■ 请求头(headers)User-Agent](#■ 请求头(headers)User-Agent)
    • [■ 知识点一:向测试网站: http://httpbin.org/get 发送请求,**会返回我们的请求头User-Agent内容。**](#■ 知识点一:向测试网站: http://httpbin.org/get 发送请求,会返回我们的请求头User-Agent内容。)
    • [■ 知识点二:写的py代码的User-Agent:是Python-urllib/3.7,这样子很容易被服务器知道你是爬虫访问的,所以在发送请求前指定一个User-Agent](#■ 知识点二:写的py代码的User-Agent:是Python-urllib/3.7,这样子很容易被服务器知道你是爬虫访问的,所以在发送请求前指定一个User-Agent)
  • [■ urllib.parse(编码模块)](#■ urllib.parse(编码模块))
  • [■ 正则表达式re模块](#■ 正则表达式re模块)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 数据持久化](#■ 数据持久化)
    • [■ 1. 数据持久化-CSV](#■ 1. 数据持久化-CSV)
    • [■ 2. 数据持久化-MySQL](#■ 2. 数据持久化-MySQL)
    • [■ 3. 数据持久化-MongoDB](#■ 3. 数据持久化-MongoDB)
  • [■ 多级页面抓取](#■ 多级页面抓取)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ requests模块](#■ requests模块)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 互联网图片抓取](#■ 互联网图片抓取)
  • [■ Chrome浏览器插件](#■ Chrome浏览器插件)
  • [■ xpath语法解析](#■ xpath语法解析)
    • [■ 1. lxml+xpath解析提取数据](#■ 1. lxml+xpath解析提取数据)
    • [■ 2.](#■ 2.)
  • [■ Json解析模块](#■ Json解析模块)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ Cookie](#■ Cookie)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ Selenium](#■ Selenium)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 中间件](#■ 中间件)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ Scrapy](#■ Scrapy)
    • [■ 1 Scrapy-框架原理](#■ 1 Scrapy-框架原理)
    • [■ 2 Scrapy-](#■ 2 Scrapy-)
    • [■ 3 Scrapy-](#■ 3 Scrapy-)
  • [■ 分布式爬虫原理](#■ 分布式爬虫原理)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 机器视觉](#■ 机器视觉)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 极限滑块验证码破解](#■ 极限滑块验证码破解)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)
  • [■ 移动端数据抓取](#■ 移动端数据抓取)
    • [■ 1.](#■ 1.)
    • [■ 2.](#■ 2.)
    • [■ 3.](#■ 3.)

■ 爬虫分类

■ 1. 通用网络爬虫:(搜索引擎使用,遵守robots协议)

■ robots协议(君子协议)

robots协议:通过robots协议告诉搜索引擎哪些页面可以抓取,哪些页面不能抓取

网页后面加 robots.txt 查看网站robots协议。

实例一:www.qq.com/robots.txt

■ 2. 聚集网络爬虫:自己写的爬虫程序

■ urllib.request(请求模块)

作用: 向网站发送请求,即:我们平时在浏览器输入地址访问网站一样。

函数 作用 参数
urllib.request.urlopen(URL,timeout) 作用 URL:需要爬取的URL地址 timeout:设置等待超时时间,指定时间内未响应抛出超时异常。
urllib.request.Request() 包装请求,重构User-Agent,使用程序更新正常人类请求 URL:请求的URL地址 headers:添加请求头,类型为字典headers= {'User-Agent':}

■ 示例一:01_Request.py 向百度发送请求,并获取http响应码

python 复制代码
from 

■ 示例二:02_Request.py

python 复制代码
from 

■ 示例三:03_Request.py

python 复制代码
from 

■ 请求头(headers)User-Agent

作用: User-Agent 有游览器,操作系统信息。

■ 知识点一:向测试网站: http://httpbin.org/get 发送请求,会返回我们的请求头User-Agent内容。

python 复制代码
Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36 Edg/124.0.0.0

■ 知识点二:写的py代码的User-Agent:是Python-urllib/3.7,这样子很容易被服务器知道你是爬虫访问的,所以在发送请求前指定一个User-Agent

■ urllib.parse(编码模块)

作用:给URL地址中查询参数进行编码

■ 知识点一:对中文进行编码后再发送请求。

■ 正则表达式re模块

■ 1.

■ 2.

■ 3.

■ 数据持久化

■ 1. 数据持久化-CSV

■ 2. 数据持久化-MySQL

■ 3. 数据持久化-MongoDB

■ 多级页面抓取

■ 1.

■ 2.

■ 3.

■ requests模块

■ 1.

■ 2.

■ 3.

■ 互联网图片抓取

■ Chrome浏览器插件

■ xpath语法解析

■ 1. lxml+xpath解析提取数据

■ 2.

■ Json解析模块

■ 1.

■ 2.

■ 3.

■ 1.

■ 2.

■ 3.

■ Selenium

■ 1.

■ 2.

■ 3.

■ 中间件

■ 1.

■ 2.

■ 3.

■ Scrapy

■ 1 Scrapy-框架原理

■ 2 Scrapy-

■ 3 Scrapy-

■ 分布式爬虫原理

■ 1.

■ 2.

■ 3.

■ 机器视觉

■ 1.

■ 2.

■ 3.

■ 极限滑块验证码破解

■ 1.

■ 2.

■ 3.

■ 移动端数据抓取

■ 1.

■ 2.

■ 3.

相关推荐
Mike_Zhang3 分钟前
python3.14版本的free-threading功能体验
python
StarPrayers.15 分钟前
旅行商问题(TSP)(2)(heuristics.py)(TSP 的两种贪心启发式算法实现)
前端·人工智能·python·算法·pycharm·启发式算法
木头左36 分钟前
波动率聚类现象对ETF网格密度配置的启示与应对策略
python
华仔AI智能体1 小时前
Qwen3(通义千问3)、OpenAI GPT-5、DeepSeek 3.2、豆包最新模型(Doubao 4.0)通用模型能力对比
人工智能·python·语言模型·agent·智能体
盼哥PyAI实验室1 小时前
踏上编程征程,与 Python 共舞
开发语言·python
西柚小萌新1 小时前
【深入浅出PyTorch】--6.2.PyTorch进阶训练技巧2
人工智能·pytorch·python
weixin_307779132 小时前
使用Python高效读取ZIP压缩文件中的UTF-8 JSON数据到Pandas和PySpark DataFrame
开发语言·python·算法·自动化·json
哎呀呦呵2 小时前
python内置模块-re模块介绍使用
java·python·mysql
paoqi 包奇2 小时前
pycharm中使用anaconda指定虚拟环境
ide·python·pycharm