首页 > 代码库 > 10- python 网络爬虫分析
10- python 网络爬虫分析
Python 网络爬虫简单分析
1 import urllib22 response = urllib2.urlopen("http://www.baidu.com")3 print response.read()
我们下面开始分析代码
response = urllib2.urlopen("http://www.baidu.com")这里我们利用的是urllib2库中的urlopen方法，这里可以知道这是一个http协议的网址，urlopen一般接受三个参数，它的参数如下：
urlopen(url, data, timeout)第一个参数url即为URL，第二个参数data是访问URL时要传送的数据，第三个timeout是设置超时时间。
第二三个参数是可以不传送的，data默认为空None，timeout默认为 socket._GLOBAL_DEFAULT_TIMEOUT
第一个参数URL是必须要传送的，这里我们传送了百度的URL，执行urlopen方法之后，返回一个response对象，返回信息便保存在这里面。
print response.read()response对象有一个read方法，可以返回获取到的网页内容。
如果不加read直接打印会是什么？答案如下：
<addinfourl at 40798248 whose fp = <socket._fileobject object at 0x029A29B0>> 这里如果不加read方法的话，打印出来的就是对该对象的描述。
其实上面的urlopen是可以传入request请求的
上面是一个简单的获取网络信息的一个爬虫例子。
下面是一个简单的糗事百科爬虫的脚本，来练习下库的使用。
8 import urllib 9 import re10 11 head = 012 n = 113 while n < 10:14 page = n15 url = ‘http://www.qiushimm.com/page/‘ + str(page)16 def getHtml(url):17 page = urllib.urlopen(url)18 html = page.read()19 return html20 21 def getImg(html):22 reg = r‘src="http://www.mamicode.com/(.+?\.jpg)"‘23 imgre = re.compile(reg)24 imglist = re.findall(imgre,html)25 x = head26 for imgurl in imglist:27 urllib.urlretrieve(imgurl,‘%s.jpg‘ % x)28 x+=129 html = getHtml(url)30 print getImg(html)31 n = n+132 head = head + 10
10- python 网络爬虫分析
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。