写点什么

爬虫练习题(三)

作者:张立梵
  • 2022 年 10 月 07 日
    江西
  • 本文字数:847 字

    阅读完需:约 3 分钟

爬虫练习题(三)

题目:网页"https://www.6pian.cn/xq.html"


1.需求爬取前六页的页面源码


2.保存


'''1.分析网页:https://www.6pian.cn/https://www.6pian.cn/xq.htmlhttps://www.6pian.cn/xq/1/0.htmlhttps://www.6pian.cn/xq/2/0.htmlhttps://www.6pian.cn/xq/3/0.html
复制代码


import urllib.request
start = int(input("请输入起始页"))end = int(input("请输入结束页"))headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.5060.66 Safari/537.36 Edg/103.0.1264.44'}for n in range(start, end + 1): url = 'https://www.6pian.cn/xq/{}/0.html'.format(n) print(url) q = urllib.request.Request(url,headers=headers) response = urllib.request.urlopen(q) with open(f'第{n}页.html','w',encoding='utf-8')as f: f.write(response.read().decode('utf-8'))
复制代码

首先,分析牛片网页链接,找到网页的规律,构建 URL


每一个页面的网页链接都不一样,一定要谨慎仔细的检查,找到规律,分别用 input 导入起始页和终止页,并用变量接收,用 headers 伪装,在页面中有几点开检查,找到整个网页的包,点开后找到 user agent,复制到 headers 里面,有的时候会需要复制 cookie,但在这题不需要用到


输入循环保证一面爬完后,紧接着爬下一页,这样你的公式必须要写对,逻辑清楚才能写出正确答案,答案不能死,搬硬套,后面就是构建 URL,把变量 n 传入,代替链接中的变量,使整个链接,满足所有页面链接,一旦爬取失败,你就要重新审视自己的构建,有没有出现问题?能不能满足其他页面的链接,后面最好是打印一下,你刚构建好的网址,确保无误后就可以实例化请对象,这里要看 Request 里面有哪几个变量并且传入用一个变量接收整个实例化过程


With open 用来保存数据第二个引号中,w 为写入如果不写默认为 r 为只读,转码时一定要注意看看他的编码类型输错了肯定会报错,这样你就可以在 pycharm 里得到六个页面的网页源码了。



User-Agent 在这里:



整个页面的数据包:


发布于: 刚刚阅读数: 4
用户头像

张立梵

关注

还未添加个人签名 2022.07.02 加入

还未添加个人简介

评论

发布
暂无评论
爬虫练习题(三)_10 月月更_张立梵_InfoQ写作社区