python爬取网页的通用代码框架

本文介绍了一个Python网页爬虫的基础代码框架,核心部分是使用requests库获取网页内容,并通过检查HTTP状态码确保数据正常获取。文章详细解释了如何设置URL、处理超时、检查状态码及编码,适用于初学者理解爬虫工作原理。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

python爬取网页的通用代码框架:

def getHTMLText(url):#参数code缺省值为‘utf-8’(编码方式)
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status() #如果状态不是200,也就是返回的内容不是正常的数据,引发HTTPError异常
        r.encoding=r.apparent_encoding
        return r.text   #返回网页的内容
    except:
        return '产生异常'   #如果网页有问题,则触发异常,并返回产生异常

其中的核心代码是:r.raise_for_status()。它用于判断请求返回的状态信息时候是200,如果是200,则不会触发异常;如果不是200,也就是返回的内容不是正常的数据或者没有得到请求的数据,内会触发异常。

转载于:https://www.cnblogs.com/wyhluckdog/p/10753193.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值