Python

您所在的位置:网站首页 为什么要用python来做爬虫 Python

Python

2024-07-09 20:41| 来源: 网络整理| 查看: 265

1、为什么要设置headers? 

在请求网页爬取的时候,输出的text信息中会出现抱歉,无法访问等字眼,这就是禁止爬取,需要通过反爬机制去解决这个问题。

headers是解决requests请求反爬的方法之一,相当于我们进去这个网页的服务器本身,假装自己本身在爬取数据。

对反爬虫网页,可以设置一些headers信息,模拟成浏览器取访问网站 。

2、 headers在哪里找? 

谷歌或者火狐浏览器,在网页面上点击:右键–>检查–>剩余按照图中显示操作,需要按Fn+F5刷新出网页来 

有的浏览器是点击:右键->查看元素,刷新

注意:headers中有很多内容,主要常用的就是user-agent 和 host,他们是以键对的形式展现出来,如果user-agent 以字典键对形式作为headers的内容,就可以反爬成功,就不需要其他键对;否则,需要加入headers下的更多键对形式。

用Python下载一个网页保存为本地的HTML文件实例1-中文网页 import requests # 中文网页:https://baike.so.com/doc/24386561-25208408.html url1='https://baike.so.com/doc/24386561-25208408.html' #添加请求头 headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36 QIHU 360SE' } response_1=requests.get(url1, headers=headers) response_1.encoding='utf-8' #第一种: # with open('steve_jobs2.html','w',encoding='utf-8') as f1: # f1.write(response_1.text) #第二种: f1=open('steve_jobs2.html','w',encoding='utf-8') f1.write(response_1.text) c=response_1.text print(c)  用Python下载一个网页保存为本地的HTML文件实例2-英文网页 import requests import re # 英文网页:https://en.wikipedia.org/wiki/Steve_Jobs url2='https://en.wikipedia.org/wiki/Steve_Jobs' response_2=requests.get(url2) # 源码都是Utf-8编码 response_2.encoding='utf-8' #第一种: # with open('steve_jobs3.html','w',encoding='utf-8') as f2: # f2.write(response_2.text) #第二种: f2=open('steve_jobs3.html','w',encoding='utf-8') f2.write(response_2.text) c=response_2.text print(c)

 

 

 

 

 



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3