python 爬虫

一、requests 模块爬虫基础写法

# 基础爬虫写法.py
import requests

def spider(url):
# 定义一个函数，爬取网页源码

	headers = {"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36"}
	# 定义个一个headers 里面放user-agnet，也可以放别的信息， 字典格式key-values
	# user-agent 会告诉网站服务器，访问者是通过什么工具来请求的。 类似伪造身份，让对端把自己当成浏览器

	ret = requests.get(url, headers=headers)
	# 请求一个地址，返回响应
	
	html = ret.content
	# 得到http响应内容的二进制形式
	
	# html = ret.content.decode('utf-8')
	# 得到http响应内容的二进制形式，指定编码格式为utf-8
	
	return html
	# 返回http响应内容



if __name__ == '__main__':

	url = "https://www.cnblogs.com/aaak/p/13968431.html"
	# url 地址

	html = spider(url).decode('utf-8')
	# 调用 函数，并指定编码格式

	print(html)