python爬虫实战（1） —get请求

迷南。 2022-03-01 01:14 549阅读 0赞

### 文章目录 ###

*   *   *  一、爬虫任务
         *  二、任务分析
         *  二、脚本
         *  三、运行结果

### 一、爬虫任务 ###

在百度上搜索“小明”，将搜索结果的前三页保存到本地

### 二、任务分析 ###

1.  发送的请求是get请求，请求的url如下：

http://www.baidu.com/s?wd=小明&          #第1页
    http://www.baidu.com/s?wd=小明&pn=10 #第2页
    http://www.baidu.com/s?wd=小明&pn=20 #第3页

1.  整体任务是一个循环，循环的变量是pn值，pn的值由当前页码决定。pn=（当前页码-1）\*10。
2.  每次发送一个请求后，我们需要获取服务器的响应。
3.  将响应文件保存在本地

**注意点：**

*  需要把请求中参数的形式从key-value转换成字符串
 *  获取响应文件的二进制形式即可
 *  以二进制的形式将响应写入到本地（wb的模式）

### 二、脚本 ###

import urllib
    from urllib import request
    
    #爬取网站，下载网页
    def download(url,filename):
        print("正在下载"+filename)
        httpHandler=request.HTTPHandler()
        opener=request.build_opener(httpHandler)
        headers={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; rv:17.0) Gecko/20100101 Firefox/17.0"}
        req=request.Request(url,headers=headers)
        return opener.open(req).read()  #返回响应，二进制形式
    
    #将网页保存到本地
    def writefile(html,filename):
        print("正在保存"+filename)
        with open(filename,mode='wb') as f:
            f.write(html)
    
    #爬取网站
    def spider(url,beginPage,endPage):
        for page in range(beginPage,endPage+1): #循环页数
            pn=(page-1)*10  #当前页的pn值
            print("------------第"+str(page)+"页开始下载------------")
            fullurl=url+"&"+urllib.parse.urlencode({"pn":pn})#每次请求的完整url
            print(fullurl)
            filename="f:\第"+str(page)+"页.html"  #每次请求保存的文件
            html=download(fullurl,filename) #爬取网站，下载网页
            writefile(html,filename)# 将保存到本地
            print("\n")
    
    if __name__=="__main__":
        url="http://www.baidu.com/s?" #爬取网站
        wd=input("请输入搜索的关键字:")
        #url编码转换
        url=url+urllib.parse.urlencode({"wd":wd}) #拼接参数wd
        beginPage=int(input("请输入起始页:"))
        endPage=int(input("请输入结束页:"))
    
        #爬取网站
        spider(url,beginPage,endPage)

### 三、运行结果 ###

1、控制台信息如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hqdTIy_size_16_color_FFFFFF_t_70]  
2、本地保存了以下文件：  
![在这里插入图片描述][20190321132433893.png]  
其中，第2页.html的内容如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hqdTIy_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hqdTIy_size_16_color_FFFFFF_t_70]: /images/20220301/5e153fc2dde94a1a96509721b7d407d2.png
[20190321132433893.png]: /images/20220301/e10c4376105147cc9a3be1632c3b957f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hqdTIy_size_16_color_FFFFFF_t_70 1]: /images/20220301/3479212c4b7e4f379411357ba4c68737.png