Python——requests的安装及入门-贴吧爬虫

一.windows平台下requests的安装

1.win+R，输入cmd，打开命令行窗口，输入命令：pip install requests ，即可自动安装库成功

2.输入命令：pip list，即可查看所有已安装的模块，可以看到requests已成功安装

二.利用Requests写一个贴吧爬虫

1.首先导入模块：import requesets

2.写一个类，__init__方法需要一个参数tieba_name，来表示要爬取的贴吧名字，同时为该类的对象设置属性self.url_temp和self.hearders，他们分别表示，要爬取的贴吧网站和请求头

3.方法说明：

get_url_list(self)：该方法生成要爬取的贴吧的每一页的网站列表，因为贴吧每增加一页，网页参数pn加50(第一页为0)，因此用列表推导式

[self.url_temp.format(i * 50) for i in range(1000)]生成列表；

parse_url(self, url)：传入一个要爬去的网页，获取其数据流并解码，使用requests.get()方法，该方法用于请求一个网页，这里传递给它两个参数，一个是要爬去的网站，另一个是请求头；

save_html(self, html_str, page_num)：用于保存页面内容；

run(self):运行该爬虫对象；

4.测试：以下代码中 创建了一个 爬取Python吧的对象，并爬取页面内容。运行结果如下

 import requests

 class Tiebaspider:
     # 构造方法，需要一个参数tieba_name
     def __init__(self, tieba_name):
         self.tieba_name = tieba_name
         self.url_temp = 'http://tieba.baidu.com/f?kw=' + tieba_name + '&ie=utf-8&pn={}'
         self.hearders = {
             'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}

     # 构造url列表
     def get_url_list(self):
         return [self.url_temp.format(i * 50) for i in range(1000)]

     # 发送请求，并返回请求的内容。decode()默认用utf-8解码
     def parse_url(self, url):
         print(url)
         response = requests.get(url, headers=self.hearders)
         return response.content.decode()

     # 保存内容
     def save_html(self, html_str, page_num):
         file_path = '{}吧_第{}页.html'.format(self.tieba_name, page_num)
         # 注意给encodeing传递编码参数，否则会产生无法编码的异常
         with open(file_path, "w", encoding='utf-8') as f_obj:
             f_obj.write(html_str)

     #
     def run(self):
         #  1.构造url列表
         url_list = self.get_url_list()
         #  2.遍历，发送请求，
         for url in url_list:
             page_num = url_list.index(url) + 1  # 页码数
             html_str = self.parse_url(url)  # 发送请求，返回内容
             self.save_html(html_str, page_num)  # 保存内容

 if __name__ == '__main__':
     tieba_spider = Tiebaspider('python')
     tieba_spider.run()