该主题尚不存在

本页面只读。您可以查看源文件，但不能更改它。如果您觉得这是系统错误，请联系管理员。

====== 第三十七章：网络爬虫实战 ======

===== 本章目标 =====

完成本章学习后，你将能够：
  * 使用requests获取网页
  * 使用BeautifulSoup解析HTML
  * 使用Scrapy框架
  * 处理反爬虫机制

===== Requests基础 =====

<code python>
import requests

# GET请求
response = requests.get('https://api.github.com')
print(response.status_code)
print(response.json())

# 带参数
params = {'q': 'python', 'page': 1}
response = requests.get('https://api.github.com/search/repositories', params=params)

# POST请求
data = {'key': 'value'}
response = requests.post('https://httpbin.org/post', json=data)

# 设置Headers
headers = {'User-Agent': 'Mozilla/5.0'}
response = requests.get('https://example.com', headers=headers)
</code>

===== BeautifulSoup =====

<code python>
from bs4 import BeautifulSoup
import requests

response = requests.get('https://example.com')
soup = BeautifulSoup(response.content, 'html.parser')

# 查找元素
title = soup.find('title')
links = soup.find_all('a')
divs = soup.find_all('div', class_='content')

# CSS选择器
items = soup.select('.item > .title')

# 获取文本
print(title.get_text())
</code>

===== Scrapy框架 =====

<code python>
# myspider.py
import scrapy

class QuotesSpider(scrapy.Spider):
    name = 'quotes'
    start_urls = ['http://quotes.toscrape.com/']
    
    def parse(self, response):
        for quote in response.css('div.quote'):
            yield {
                'text': quote.css('span.text::text').get(),
                'author': quote.css('small.author::text').get(),
            }
        
        # 翻页
        next_page = response.css('li.next a::attr(href)').get()
        if next_page:
            yield response.follow(next_page, self.parse)
</code>

===== 反爬虫应对 =====

<code python>
# 设置代理
proxies = {
    'http': 'http://proxy:port',
    'https': 'https://proxy:port',
}
response = requests.get(url, proxies=proxies)

# 设置延迟
import time
time.sleep(random.uniform(1, 3))

# 使用Session保持Cookie
session = requests.Session()
session.get('https://example.com/login')
</code>

===== 本章实战 =====

1. 爬取新闻网站
2. 爬取商品信息
3. 实现自动登录

下一章：[[python_course:chapter38|第三十八章：数据分析项目]]

Detach Close

您访问的页面并不存在。如果允许，您可以使用创建该页面按钮来创建它。