使用Python的requests库可以方便地编写HTTP爬虫程序。以下是一个使用requests库的示例:
import requests
# 发送HTTP GET请求
response = requests.get("http://example.com")
# 检查响应状态码
if response.status_code == 200:
# 获取响应内容
html = response.text
# 处理响应内容
# ...
else:
print("请求失败,状态码:", response.status_code)
在这个示例中,我们首先使用requests库的get方法发送了一个HTTP GET请求,请求的URL是"http://example.com"。然后,我们通过response对象可以获取响应的状态码(status_code)和内容(text)。
如果响应的状态码是200,表示请求成功,我们可以通过response.text获取响应的HTML内容,然后对内容进行处理。如果状态码不是200,表示请求失败,我们可以根据实际情况进行相应的处理。
除了发送GET请求,requests库还提供了其他常用的HTTP方法,如POST、PUT、DELETE等,可以根据具体需求选择适合的方法。
以下是使用requests库编写的另一个爬虫程序,该程序用于爬取duokan的内容。在代码中,我们使用了爬虫IP服务器。
import requests # 导入requests库
# 创建一个使用爬虫IP的session
proxy = {'http': 'http://www.duoip.cn:8000'}
s = requests.Session()
s.proxies = proxy
# 发送GET请求到www.duokan.com
r = s.get('https://www.duokan.com/')
# 打印请求的结果
print(r.text)
程序解释:
1、导入requests库,该库用于发送HTTP请求。
2、创建一个使用爬虫IP的session。这里的proxy是一个字典,其中http为爬虫IP服务器的地址和端口。
3、使用session发送一个GET请求到duokan。
4、打印请求的结果,即duokan的内容。
此外,requests库还提供了许多其他功能,如设置请求头、处理Cookies、处理重定向、处理代理等。可以查阅requests库的官方文档以了解更多详细信息。
总之,使用requests库可以轻松地发送HTTP请求,并获取响应的内容。通过合理地使用requests库的各种功能,可以编写出功能强大的爬虫程序。