作者:四川盛地地产顾问有限公司_255 | 来源:互联网 | 2023-06-06 12:20
转载自:http:blog.csdn.netw93223010articledetails18968081近期的工作学习中使用到了Python,分享一些初学者的心得与君共勉。本节的内容主要
转载自:http://blog.csdn.net/w93223010/article/details/18968081
近期的工作学习中使用到了Python,分享一些初学者的心得与君共勉。
本节的内容主要是如何使用python去获取网页的源代码并存储到本地文件中,希望通过本节可以让你略微了解到python的神奇。
先上代码:
import urllib.request
def getPage(url):
request = urllib.request.Request(url)
respOnse= urllib.request.urlopen(request)
return response.read().decode("utf-8")
url='http://www.kntpb.com/'
result=getPage(url)
print (result)
第1行导入了必要的包
第2至6\5行定义了一个函数,目的是向指定url发送http请求,并将网页的源代码返回
最后把获得的源码进行展示
在命令行执行代码的话,可以看到类似图1-1的一堆html代码,即为成功。
图1-1
可以用浏览器访问一下代码中的url,可以看到类似图1-2的ebay的网站。(为了逃避中文字符的处理,所以选择了英文的网站)
图1-2
而在浏览的网页的空白处单击右键,选择“查看网页源代码”,可以看到类似图1-3的的html源码,实际上与图1-1中是一样的。
![](https://www.#.com/go/aHR0cDovL2ltZy5ibG9nLmNzZG4ubmV0LzIwMTUxMDEyMjIwNzA4MDU2)
图1-3
修改一下代码,将获取的html源码写入本地的文件。
[python] view plain copy
- import urllib
- import urllib2
- def getPage(url):
- request = urllib2.Request(url)
- response = urllib2.urlopen(request)
- return response.read()
-
- url='http://www.ebay.com/sch/TShirts-/15687/i.html?
- result=getPage(url)
- txt='D:\\result.html'
- f = open(txt,"w+")
- f.write(result)
第10至12行进行了文件操作,在D盘创建了result.html文件并将result变量中的内容写入其中。
作为一个购物网站,大部分类型的商品都是分很多页的,接下来继续修改代码,让它能够取出前5页的内容,分别写入5个文件中。
[python] view plain copy
- import urllib
- import urllib2
- def getPage(url):
- request = urllib2.Request(url)
- response = urllib2.urlopen(request)
- return response.read()
-
- url='http://www.ebay.com/sch/TShirts-/15687/i.html?
- p=0
- while p<5:
- print ' =='+str(p+1)+'==start=='
- result=getPage(url+'&_pgn='+str(p+1))
- txt='D:\\result'+str(p+1)+'.html'
- f = open(txt,"w+")
- f.write(result)
- print ' =='+str(p+1)+'====end=='
- p=p+1
- f.close()
第8行修改了url字符串的结尾部分,删除了“&_pgn=1”,并将其作为后面循环的参数
第10至17行做了一个0至4的循环(当然你也可以设置成1到5),其中第11行和16行仅是跟踪代码,用以显示当前读到的页数。第12行的实参将循环变量p组合进去,达到获取不同页html源码的作用。
第18行结束文件操作,关闭所用资源。
程序在命令行执行后,最后一行显示“==5====end==”,并在D盘生成如图1-4的,文件大小近似的5个html文件即为成功。
![](https://www.#.com/go/aHR0cDovL2ltZy5ibG9nLmNzZG4ubmV0LzIwMTUxMDEzMDgwNjM0MTA2)
图1-4
==========================================以下是之前的笔记=====================================
这篇文章主要介绍了Python3使用requests包抓取并保存网页源码的方法,实例分析了Python3环境下requests模块的相关使用技巧,需要的朋友可以参考下
本文实例讲述了Python3使用requests包抓取并保存网页源码的方法。分享给大家供大家参考,具体如下:
使用Python 3的requests模块抓取网页源码并保存到文件示例:
import requests
html = requests.get("http://www.baidu.com")
with open('test.txt','w',encoding='utf-8') as f:
f.write(html.text)
这是一个基本的文件保存操作,但这里有几个值得注意的问题:
1.安装requests包,命令行输入pip install requests即可自动安装。很多人推荐使用requests,自带的urllib.request也可以抓取网页源码
2.open方法encoding参数设为utf-8,否则保存的文件会出现乱码。
3.如果直接在cmd中输出抓取的内容,会提示各种编码错误,所以保存到文件查看。
4.with open方法是更好的写法,可以自动操作完毕后释放资源。
另一个例子:
import requests
ff = open('testt.txt','w',encoding='utf-8')
with open('test.txt',encoding="utf-8") as f:
for line in f:
ff.write(line)
ff.close()
这是演示读取一个txt文件,每次读取一行,并保存到另一个txt文件中的示例。
因为在命令行中打印每次读取一行的数据,中文会出现编码错误,所以每次读取一行并保存到另一个文件,这样来测试读取是否正常。(注意open的时候制定encoding编码方式)
转自:小谈博客 http://www.tantengvip.com/2015/05/requests-html/