一篇文章教你如何使用python爬虫 -凯发k8官方网

一、什么是爬虫

 通过编写程序，模拟浏览器上网，然后让其去互联网上抓取数据的过程。

1、爬虫带来的风险可以体现在如下2方面：

•  爬虫干扰了被访问网站的正常运营
• 爬虫抓取了收到法律保护的特定类型的数据或信息

2、爬虫在使用场景中的分类

• 通用爬虫： 抓取系统重要组成部分。抓取的是一整张页面数据。
•  聚焦爬虫： 是建立在通用爬虫的基础之上。抓取的是页面中特定的局部内容。
•  增量式爬虫： 检测网站中数据更新的情况。只会抓取网站中最新更新出来的数据。

3、反爬机制

• 门户网站，可以通过制定相应的策略或者技术手段，防止爬虫程序进行网站数据的爬取。

4、反反爬策略

• 爬虫程序可以通过制定相关的策略或者技术手段，破解门户网站中具备的反爬机制，从而可以获取门户网站中

二、python爬虫request模块

1、requests模块

• python中原生的一款基于网络请求的模块，功能非常强大，简单便捷，效率极高。 作用：模拟浏览器发请求。

2、request模块如何使用

• 指定url
• ua伪装
• 请求参数的处理
•  发起请求
•  获取响应数据
• 持久化存储

三、爬虫实战

需求：爬取肯德基餐厅查询http://www.kfc.com.cn/kfccda/index.aspx中指定地点的餐厅数据

import requests import json# 爬取kfc门店地址 # 爬取url地址 url = 'http://www.kfc.com.cn/kfccda/ashx/getstorelist.ashx?op=keyword'# ua伪装 header = {'user-agent' :'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/94.0.4606.81 safari/537.36' } json_list = [] # 输入参数 kw = input("enter the keywords：") # 组装参数 for page in range(1,7):page = str(page)para = {'cname': '','pid': '','keyword': kw,'pageindex': page,'pagesize': '10'}# 发送post请求obj = requests.post(url=url,params=para,headers=header).json()json_list.append(obj)#持久化数据 filename = "address.json" with open(filename,'w',encoding="utf-8") as fp:json.dump(json_list,fp=fp,ensure_ascii=false) print("over")

代码详细地址为：kfc爬取门店代码

总结

以上是凯发k8官方网为你收集整理的一篇文章教你如何使用python爬虫的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得凯发k8官方网网站内容还不错，欢迎将凯发k8官方网推荐给好友。