整合营销网络推广,网站建设优化两千字,wordpress微笑信息授权,建设银行激活网站#urllib的爬虫案例#xff0d;通过最原始的爬虫方式 爬虫之前如果抓包工具Fiddler证书安装失败#xff0c;采用以下方法 1、打开cmd 2、进入fillder的目录 如下#xff1a; 里面的路径改成你自己的安装路径 cd /d D:\Program Files (x86)\Fiddler2 然后再执行下…#urllib的爬虫案例通过最原始的爬虫方式 爬虫之前如果抓包工具Fiddler证书安装失败采用以下方法 1、打开cmd 2、进入fillder的目录 如下 里面的路径改成你自己的安装路径 cd /d D:\Program Files (x86)\Fiddler2 然后再执行下面命令 makecert.exe -r -ss my -n CNDO_NOT_TRUST_FiddlerRoot, ODO_NOT_TRUST, OUCreated by http://www.fiddler2.com -sky signature -eku 1.3.6.1.5.5.7.3.1 -h 1 -cy authority -a sha1 -m 120 -b 1.爬取百度贴吧数据 import urllib #用于进行中文编码
import urllib2 #用于进行爬虫核心处理#定义一个函数用于爬取对应的数据
def load_url(url,file_name):print(开始爬取%s的内容%file_name)#爬取程序my_headers{User-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.104 Safari/537.36,}request urllib2.Request(url,headersmy_headers)content urllib2.urlopen(request).read()print(爬取%s的内容完成%file_name)return content#定义一个函数用于保存数据
def save_data(data,file_name):print(开始保存%s的内容%file_name)with open(file_name,w) as f:f.write(data)print(保存%s的内容完成%file_name)#定义函数进行爬虫的核心处理功能
def spider(url,kw,begin,end):for page in range(begin,end1):#计算需要的页码pn (page-1)*50#进行kw参数的编码kw urllib.urlencode({kw:kw})#拼接url地址full_url url kw pn str(pn)#定义一个保存文件的名称file_name 网页str(page) .html#开始爬取数据htmlload_url(full_url,file_name)#保存数据到文件save_data(html,file_name)#主程序运行入口
if __name__ __main__:#用户输入相关数据urlhttp://tieba.baidu.com/f?kw raw_input(请输入要爬取的贴吧名称)begin int(raw_input(请输入开始页码))end int(raw_input(请输入结束页码))#调用爬虫开始执行spider(url,kw,begin,end)2.爬取豆瓣电影数据
import urllib
import urllib2url https://movie.douban.com/j/new_search_subjects?sortTrange0,10#要传递的post方式嗯对数据有可能会有多组数据
submit_data {start:20,tags:喜剧
}
#编码
data urllib.urlencode(submit_data)#构造请求头创建请求对象
headers {Accept : application/json, text/plain, */*,User-Agent : Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.7 Safari/537.36,Accept-Language : zh-CN,zh;q0.8
}request urllib2.Request(url,data,headers)#发送请求获取服务器响应数据
response urllib2.urlopen(request)#获取爬取到的数据
content response.read()#保存数据
with open(movies.json,w) as f:f.write(content)
