Python爬虫：数据抓取工具及类库详解
wget也是一个利用URL语法在命令行环境下进行文件传输的工具,其基本用法为wget [URL地址] [参数],如:
wget https://www.baidu.com
其常用参数如下:
下面例子演示如何使用wget镜像一个网站到本地并启动:
使用wget --mirror命令将整个网站的镜像下载到本地
wget --mirror -p --convert-links http://www.httpbin.org
切换到下载好的资源目录下,使用Python自带的http.server模块开启一个微型服务器
python -m http.server
访问localhost:8000,即可访问我们搭建在本机上的镜像网站.
数据抓取的Python库
Python中有两个常用的抓取数据的库:urllib和requests.其中requests库封装了urllib库,且比urllib库更为优雅.因此,我们可以直接学习requests库.
requests库
request库的应用比较简单,下面是官方提供的一段示例代码:
r = requests.get(‘https://api.github.com/user’, auth=(‘user’, ‘pass’))
r.status_code # 返回 200
r.headers[‘content-type’] # 返回 ‘application/json; charset=utf8’
r.encoding # 返回 ‘utf-8’
r.text # 返回 u’{“type”:“User”…’
r.json() # 返回 {u’private_gists’: 419, u’total_private_repos’: 77, …}
requests库的简单使用
发送HTTP请求
下面几个方法可以发送HTTP请求,对应于HTTP的各种请求类型
-
requests.get(url, params=None, **kwargs) -
requests.post(url, data=None, json=None, **kwargs) -
requests.put(url, data=None, **kwargs) -
requests.delete(url, **kwargs) -
requests.head(url, **kwargs) -
requests.options(url, **kwargs)
上面六个方法分别对应HTTP请求类型中的GET,POST,PUT,DELETE,HEAD和OPTIONS,各参数意义如下:
-
url: 请求的URL地址.
-
params: GET请求放进URL中的请求参数,以字典形式存储.
-
data: 请求体中的数据.
-
**kwargs: 该请求需要的其他参数,包括:
-
headers: 以字典格式存储的请求头内容.
-
json: 以字典形式存储的请求体中数据,等同于data参数
-
cookies: 以字典形式存储的cookies.
-
allow_redirects: 是否允许重定向,为一个布尔值
-
timeout: 设置超时时间,单位为秒
-
auth: 设置身份认证信息
解析HTTP响应
上述requests.get(), requests.post(), requests.put(), requests.delete(), requests.head(), requests.options()方法都会返回一个requests.models.Response对象,该对象封装了HTTP响应报文,该对象提供了下述常用方法和属性用于解析HTTP响应.
解析响应状态的属性和方法
url: 表示该HTTP请求的URL.
payload = {‘key1’: ‘value1’, ‘key2’: [‘value2’, ‘value3’]}
r = requests.get(‘http://httpbin.org/get’, params=payload)
r.url # 得到 http://httpbin.org/get?key1=value1&key2=value2&key2=value3
最后
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
Python所有方向的学习路线
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
Python必备开发工具
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
Python全套学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
实战案例
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
大厂面试真题
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
需要这份系统化学习资料的朋友，可以戳这里无偿获取
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！