2021-07-04

第一个小爬虫

爬虫准备

pip install requests

爬虫的定义

爬虫是指通过编写程序来获取到互联网上的资源

from urllib.request import urlopen 
url = "http://www.baidu.com"
resp = urlopen(url) # 打开网址
with open("mybaidu.html", mode="w", encoding="utf-8") as f:	# utf-8 解决乱码问题
	f.write(resp.read().decode("utf-8"))
# resp.read().decode("utf-8")

UTF-8

UTF-8(8位元,Universal Character Set/Unicode Transformation Format)是针对Unicode的一种可变长度字符编码。它可以用来表示Unicode标准中的任何字符,而且其编码中的第一个字节仍与ASCII相容,使得原来处理ASCII字符的软件无须或只进行少部分修改后,便可继续使用。因此,它逐渐成为电子邮件、网页及其他存储或传送文字的应用中,优先采用的编码。

实现截图2021-07-04

上一篇:java-字符的编码与乱码(1)


下一篇:【Mysql-字符集】软件开发没看上去那么简单,从utf8mb4_0900_ai_ci说起