Python 爬虫

--安装爬虫需要的爬虫库

C:\python37>pip install requests

Collecting requests

  Downloading https://files.pythonhosted.org/packages/7d/e3/20f...84b/requests-2.21.0-py2.py3-none-any.whl (57kB)

    100% |████████████████████████████████| 61kB 225kB/s

Collecting urllib3<1.25,>=1.21.1 (from requests)

  Downloading https://files.pythonhosted.org/packages/62/00/ee1...79e/urllib3-1.24.1-py2.py3-none-any.whl (118kB)

    100% |████████████████████████████████| 122kB 585kB/s

Collecting idna<2.9,>=2.5 (from requests)

  Downloading https://files.pythonhosted.org/packages/14/2c/cd55...4c9/idna-2.8-py2.py3-none-any.whl (58kB)

    100% |████████████████████████████████| 61kB 1.3MB/s

Collecting chardet<3.1.0,>=3.0.2 (from requests)

  Downloading https://files.pythonhosted.org/packages/bc/a9/01ffe...b8/chardet-3.0.4-py2.py3-none-any.whl (133kB)

    100% |████████████████████████████████| 143kB 267kB/s

Collecting certifi>=2017.4.17 (from requests)

  Downloading https://files.pythonhosted.org/packages/9f/e0/ac...e8a/certifi-2018.11.29-py2.py3-none-any.whl (154kB)

    100% |████████████████████████████████| 163kB 273kB/s

Installing collected packages: urllib3, idna, chardet, certifi, requests

Successfully installed certifi-2018.11.29 chardet-3.0.4 idna-2.8 requests-2.21.0 urllib3-1.24.1

什么是Urllib

Python内置的Http请求库

urllib.request 请求模块  　　模拟浏览器

urllib.error 异常处理模块

urllib.parse url解析模块  　　工具模块，如：拆分、爬虫合并

urllib.robotparser robots.txt    解析模块　

urllib是爬虫Python自带的企商汇标准库，无需安装，爬虫直接可以用。爬虫

提供了如下功能：

    网页请求

    响应获取

    代理和cookie设置

    异常处理

    URL解析

爬虫所需要的爬虫功能，基本上在urllib中都能找到，亿华云爬虫学习这个标准库，爬虫可以更加深入的爬虫理解后面更加便利的requests库。

2和3的爬虫区别

Python2

import urllib2

response = urllib2.urlopen(http://www.baidu.com);

Python3

import urllib.request

response =urllib.request.urlopen(http://www.baidu.com);

用法：

urlOpen 发送请求给服务器。服务器租用

urllib.request.urlopen(url,爬虫data=None[参数],[timeout,]*,cafile=None,capath=None,cadefault=false,context=None)

例子：

import urllib.requests

response=urllib.reqeust.urlopen(http://www.baidu.com)

print(response.read().decode(utf-8))

最新评论