03 Python爬虫之Requests网络爬取实战

实例1：京东商品页面的爬取

实例1：京东商品页面的爬取
https://item.jd.com/2967929.html

import requests

url = "https://item.jd.com/2967929.html"
try:
    r = requests.get(url)
    print(r.status_code)    # 200
    print(r.encoding)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[:1000])
except:
    print("爬取失败")

实例2：亚马逊商品页面的爬取

实例2：亚马逊商品页面的爬取
https://www.amazon.cn/gp/product/B01M8L5Z3Y

该网站通过对来源审查做了限制，因此需要修改头部信息，伪装成浏览器对网站进行数据的爬取。

import requests

url = "https://www.amazon.cn/gp/product/B01M8L5Z3Y"

try:
    r = requests.get(url)
    print(r.status_code)    # 503 说明访问失败
    print(r.encoding)       # ISO-8859-1
    r.encoding = r.apparent_encoding    # 修改编码
    print(r.status_code)    # 503 说明访问失败

    # 可能是通过来源审查对网络爬虫采取了限制
    print(r.request.headers)    # 查看 'User-Agent': 'python-requests/2.22.0'

    # 更改头部信息，伪装成浏览器，修改User-Agent
    kv = {"user-agent" : "Mozilla/5.0"}
    r = requests.get(url, headers = kv)   # 关键字实参
    print(r.status_code)    # 再次查看状态码，发现已经成功 200
    print(r.text[:1000])

except:
    print("爬取失败")

实例3：百度搜索关键字提交

百度的关键词接口： http://www.baidu.com/s?wd=keyword

import requests

try:
    kv = {"wd": "Python"}
    r = requests.get("http://www.baidu.com/s", params=kv)   # url中的参数
    print(r.request.url)
    r.raise_for_status()
    print(len(r.text))
except:
    print("爬取失败")

实例4：IP地址归属地的自动查询

iP138网站 查询IP地址归属地http://m.ip138.com/ip.asp?ip=ipaddress

import requests

url = "http://m.ip138.com/ip.asp?ip="   # iP138网站请求数据的前半部分
idAddr = "211.70.176.3"     # 需要查询的IP地址
try:
    r = requests.get(url+idAddr)
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[-1000:])
except:
    print("爬取失败")