Python爬虫小白入门笔记详解

最新推荐文章于 2024-07-14 09:47:27 发布

2401_84688466

最新推荐文章于 2024-07-14 09:47:27 发布

阅读量2.1k

点赞数 32

分类专栏：程序员文章标签： python 爬虫笔记

本文链接：https://blog.youkuaiyun.com/2401_84688466/article/details/138308779

版权

程序员专栏收录该内容

116 篇文章

订阅专栏

本文介绍了Python中的urllib库及其模块，如request、error、parse和robotparser，以及如何配合requests库进行高级爬虫操作，包括使用抓包工具Fiddler分析网络请求，解析数据库（BeautifulSoup和Xpath），以及数据存储和反爬虫策略。还提到了Scrapy框架和分布式爬虫在大规模数据采集中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

是Python内置的HTTP请求库，不需要额外安装即可使用，包含以下4个模块：

request 打开和读取 URL，最基本的HTTP请求模块，可以用来模拟发送请求

error 包含 urllib.request 抛出的异常，如果出现请求错误，我们可以捕获这些异常，然后进行重试或其他操作以保证程序不会意外终止。

parse 用于解析 URL，比如拆分、解析、合并等。

robotparser 用于解析 robots.txt 文件，主要是用来识别网站的robots.txt文件，然后判断哪些网站可以爬，哪些网站不可以爬。

需要注意的是urllib不能自动判断重定向，需要自己解析重定向的链接并重新请求。

如果你只是爬取一般的网页，那么Python自带的urllib库足够用了，如果是想要爬取异步加载的动态网站，requests库会方便很多。

requests库

功能强大的爬取网页信息的第三方库，可以进行自动爬取HTML页面及自动网络请求提交的操作。

![](https://img-blog.csdnimg.cn/img_convert/887a9c527e7768077f348acbb9716971.png 在这里插入图片描述

requests库的主要方法：

在这里插入图片描述

Response对象

在这里插入图片描述

技巧二：抓包工具分析网络请求

抓取工具主要有chrome firefox fidder appium，重点讲一下fidder，基本可以说目前最为全面和强大的抓包工具就是fiddler了，使用也不算麻烦。

Fiddler也在官网上有提供非常详细的文档和教程，如果使用的时候遇到问题，可以直接查阅官网文档。我们可以利用Fiddler详细的对HTTP请求进行分析，并模拟对应的HTTP请求。

在这里插入图片描述

fiddler本质就是一个HTTP代理服务器，功能非常强大，除了可以清晰的了解每个请求与响应之外，还可以进行断点设置，修改请求数据、拦截响应内容。

技巧三：解析数据库

解析库有非常多可以选择，比如CSS、pyqery、re、xpath等，比较建议掌握Beautiful Soup和Xpath

Beautiful Soup解析库

为第三方库需要安装使用，在命令行用pip安装就可以了：

pip install bs4

具体用法：变量名称 = BeautifulSoup（需要解析的数据，"html.parser’）

它是一个工具箱，通过解析文档为用户提供需要抓取的数据，因为简单，所以不需要多少代码就可以写出一个完整的应用程序，能自动转换编码。

BeautifulSoup支持的解析器

1.Python标准库：内置库、执行速度适中、文档容错能力强；

2.lxml HTML解析器：速度快，文档容错能力强（推荐）；

3.lxml XML解析器：速度快，唯一支持xml的解析器；

4.html5lib：最好的容错性、以浏览器方式解析文档，生成HTML5格式的文档。

具体用法：soup=BeautifulSoup(markup,from_encoding=“编码方式”)

Xpath解析库

提供了非常简洁明了的路径选择表达式，XPath相对于正则表达式显得更加简洁明了，对于网页的节点来说，它可以定义id、class或其他属性。而且节点之间还有层次关系，在网页中可以通过XPath来定位一个或多个节点

规则：

在这里插入图片描述

技巧四：保存数据

学到这里就比较容易了，主要是对数据的存储和处理，有两种方式：

小规模数据可以使用txt文件、json文件、csv文件等方式来保存文件。

大规模数据就需要使用数据库了像mysql，mongodb、redis等，就比较方便查询管理。

这一块掌握主流的MongoDB 就可以了，可以方便你去存储一些非结构化的数据，比如各种评论的文本，图片的链接等等。

以上这些核心技巧Python都有相应的库帮你去做，你只需要知道如何去应用它们，掌握精通每一部分的一到两种方法就可以了。

还想对爬虫了解更多的话继续往下看吧

反爬虫应对

当你能够独自爬取80%以上的网站后，再学点反爬技巧，爬虫之路不会有太大的阻碍。

一般爬虫过程中可能会碰到像奇奇怪怪的验证码、被封IP（例如豆瓣和github，在检测到某一客户端频繁访问后，会直接封锁ip）、userAgent访问限制、动态数据加载、加密数据等这种反爬虫的手段。

简单一点的根据User-Agent过滤，例如知乎，我们只需要设置为和浏览器相同即可。常规的解决办法通常有比如控制访问频率、抓包、反加密字体、验证码OCR处理、使用代理IP池等，简单一点的根据User-Agent过滤，例如知乎，我们只需要设置为和浏览器相同即可。能够掌握常规的反爬技巧，绝大部分的网站爬虫不是问题。

这里需要提示一点的是：不要去挑战某宝的反爬！后果很严重！

如果不满足自己的爬虫效率，觉得爬取速度太慢了，可以去学习爬虫框架scrapy和分布式爬虫。

爬虫框架scrapy：

Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试.

Scrapy框架主要由五大组件组成，分别是调度器(Scheduler)、下载器(Downloader)、爬虫（Spider）和实体管道(Item Pipeline)、Scrapy引擎(Scrapy Engine)。

在复杂的情况下，scrapy框架不仅能够便捷地构建request，还有强大的 selector 能够方便地解析 response，这是一个功能十分强大的爬虫框架，可以实现爬虫工程化和模块化。

在这里插入图片描述

分布式爬虫

企业级爬虫，能实现数据的大规模采集，通俗一点来理解就是它可以实现多台电脑使用一个共同的爬虫程序，同时将爬虫任务部署到多台电脑上运行，这样可以提高爬虫速度和效率，需要掌握 Scrapy + MongoDB + Redis 这三种工具。

在这里插入图片描述

但是分布式爬虫对电脑的CPU和网速都有一定的要求，这个看个人需要，如果你需要用于大规模的数据爬取，分布式爬虫可以帮你解决很多的麻烦。大部分情况下单一爬虫都能满足一般的爬取需要，只是爬取效率比不了分布式爬虫，有条件的可以尝试学学分布式爬虫。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！