第一个爬虫程序的开发


要点:

  1. 先要进行调用urlopen函数。
  2. 设置网址的变量。
  3. 内容获取:
    1.直接获只会得到源代码,是html文件。
    2.若需要以网页的形式进行展示,需要将源代码以html的文件进行保存,并保存到本地,再执行命令。

点击查看代码

from idlelib.iomenu import encoding
from urllib.request import urlopen  # 在url这个库里面请求模块里调用一个urlopen这个函数  模拟浏览器

url = "http://www.baidu.com"   # 网址

resp = urlopen(url) # 获取网页内容

# print(resp.read().decode("UTF-8"))  # 打印内容.decode是为了字节解码,需要填写字符集(搜索charset,可以找出字符集),可以拿到页码面源代码

with open("mybaidyu.html",mode = "w",encoding = "utf-8") as f:
    f.write(resp.read().decode("UTF-8")) #将源代码以html文件的形式存放在本地,之后可以打开,注意这是自己的网址,从页面源代码中提取内容到自己的网址

访问网页的基本过程
向服务器发送请求,服务器拼装html文件,在对客户端进行响应,发送源代码给客户端,用户电脑会自动执行接受到的html文件。