实战三—向搜索引擎提交搜索请求
- 关键点：利用搜索引擎提供的接口
- 百度的接口：
wd=“要搜索的内容” - 360的接口：
q=“要搜索的内容” - 所以我们只要把我们提交给服务器的url修改成对应的格式，就可以向搜索引擎提交关键字。
- 修改url，第一个想到的就是
params参数。只须构造键值对，提交给params即可。 - 键值对前面的代表搜索引擎前面的接口标识，键值对后面的代表我们要搜索的内容。
>>> import requests
>>> kv = {'wd':'python'}
>>> r = requests.get("http://www.baidu.com/s",params=kv)
>>> r.status_code
200
-
用
response对象中的request对象来查看我们提交给服务器的URL链接。
>>> r.request.url
'http://www.baidu.com/s?wd=python'
- 给出完整代码：
import requests
kv = {'wd':'python'}
url = "http://www.baidu.com/s"
try:
r = requests.get(url,params = kv)
print(r.request.url)
r.raise_for_status()
print(r.text[:2000])
except:
print("爬取失败")
实战四—图片的爬取和存储
- 图片链接的格式，
url+xxxx.jpg - 给出图片的地址，爬取下来后存放到本机的某一个位置。
>>> import requests
>>> path = "/Users/hyliu/Desktop/picture.jpg"
>>> url = "https://gss3.bdstatic.com/-Po3dSag_xI4khGkpoWK1HF6hhy/baike/c0%3Dbaike80%2C5%2C5%2C80%2C26/sign=3acf58502f7f9e2f6438155a7e598241/7aec54e736d12f2e227c44d647c2d5628535680f.jpg"
>>> r = requests.get(url)
>>> r.status_code
200
- 现在
r中已经包含了我们想要的图片，接下来要做的事情就是把图片变成文件存放到本机。 - 我们知道图片是一个二进制格式，用如下代码来实现：
>>> path = "/Users/hyliu/Desktop/picture.jpg"
>>> with open(path,'wb') as f:
f.write(r.content)
53658
>>>
- 这段代码的含义就是，我们先打开一个文件
picture.jpg，并定义为一个文件标识符f。然后我们将返回的内容写入到这个文件中。 -
r.content表示返回内容的二进制格式，所以我们将r.content写入到图片文件中。 - 最后我们将文件关闭。
>>> f.close()
>>>
- 现在我们去查看我们爬取的结果（是不是很帅！）
- 给出完成代码（用图片原本的名称来命名）：
import requests
import os
url = "https://gss3.bdstatic.com/-Po3dSag_xI4khGkpoWK1HF6hhy/baike/c0%3Dbaike80%2C5%2C5%2C80%2C26/sign=3acf58502f7f9e2f6438155a7e598241/7aec54e736d12f2e227c44d647c2d5628535680f.jpg"
root = "/Users/hyliu/Desktop/"
path = root + url.split('/')[-1] #获取URL最后一个“/”后的内容，实际上就是获取图片原本的名字
try:
if not os.path.exists(root): #目录不存在则创建
os.mkdir(root)
if not os.path.exists(path): #判断是否存在重名文件
r = requests.get(url)
#print(r.status_code)
r.raise_for_status()
with open (path,'wb') as f:
f.write(r.content)
f.close()
print("文件保存成功！")
else:
print("文件已存在")
except:
print("爬取失败")
实战五—查询IP地址的归属地
- 借助IP138网站查询：
- 思路就是像百度和360那样，找到IP138网站的接口信息。
>>> import requests
>>> url = "http://m.ip138.com/ip.asp"
>>> kv = {'ip':'218.106.145.15'}
>>> r = requests.get(url,params = kv)
>>> r.status_code
200
>>> r.text[-500:]
'submit" value="查询" class="form-btn" />\r\n\t\t\t\t\t</form>\r\n\t\t\t\t</div>\r\n\t\t\t\t<div class="query-hd">ip138.com IP查询(搜索IP地址的地理位置)</div>\r\n\t\t\t\t<h1 class="query">您查询的IP：218.106.145.15</h1><p class="result">本站主数据：福建省福州市 联通</p><p class="result">参考数据一：福建省福州市 联通</p>\r\n\r\n\t\t\t</div>\r\n\t\t</div>\r\n\r\n\t\t<div class="footer">\r\n\t\t\t<a href="http://www.miitbeian.gov.cn/" rel="nofollow" target="_blank">沪ICP备10013467号-1</a>\r\n\t\t</div>\r\n\t</div>\r\n\r\n\t<script type="text/javascript" src="/script/common.js"></script></body>\r\n</html>\r\n'
>>>
- 给出完整代码：
import requests
kv = {'ip':'218.106.145.15'}
url = "http://m.ip138.com/ip.asp"
try:
r = requests.get(url,params = kv)
r.raise_for_status()
print(r.text[-500:])
except:
print("爬取失败")
URL is API