python3使用requests包抓取并保存网页源码

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。

图1-3

修改一下代码，将获取的html源码写入本地的文件。

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。

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。

图1-4

==========================================以下是之前的笔记=====================================

import requests
html = requests.get("http://www.baidu.com")
with open('test.txt','w',encoding='utf-8') as f:
 f.write(html.text)

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()