Python簡單的爬蟲

來源:互聯網
上載者:User

標籤:python   爬蟲   

Python簡單的爬蟲最簡單的爬蟲
# -*- coding : utf-8 -*-import urlliburl = ‘http://www.baidu.com‘html = urllib.urlopen(url)print html.read()

也可以列印出網頁的其他資訊

#擷取狀態代碼print html.getcode()#擷取傳入的參數print html.geturl()#擷取網頁的head資訊print html.info()
編碼問題
# -*- coding : utf-8 -*-import urlliburl = ‘http://www.163.com/‘html = urllib.urlopen(url)#轉換成我們想要的編碼print html.read().decode(‘gbk‘).encode(‘utf-8‘)# 如果編碼不統一,一個網頁包含多個編碼,可能會有一些字元無法正常被轉換,可能報錯# 可以使用一下方法print html.read().decode(‘gbk‘,‘ignore‘).encode(‘utf-8‘)
帶進度條的爬蟲
# -*- coding : utf-8 -*-‘‘‘帶進度條的爬蟲‘‘‘import urllib‘‘‘  顯示下載進度,可以是檔案或者網頁  參數說明 1)網址 2)本地的網頁儲存路徑+檔案名稱 3) 一個函數調用,這個函數  必須要有三個參數  1.到目前為止傳遞的資料區塊數量  2.每個資料區塊的大小,單位是byte,位元組  3.遠程檔案的大小‘‘‘def callback(receivedData,weight,dataSize):      ‘‘‘    receivedData 已經接收的檔案的大小    weight 每個檔案 的大小    dataSize 目標檔案的大小    ‘‘‘    downloadProcess = 100.0 * receivedData * weight / dataSize    if downloadProcess > 100:        downloadProcess = 100    print ‘%.2f%%‘ % downloadProcess    url = ‘http://www.163.com‘local = ‘D:\\pythonfile\\html.html‘urllib.urlretrieve(url,local,callback)

著作權聲明:本文為博主原創文章,未經博主允許不得轉載。

Python簡單的爬蟲

相關文章

聯繫我們

該頁面正文內容均來源於網絡整理,並不代表阿里雲官方的觀點,該頁面所提到的產品和服務也與阿里云無關,如果該頁面內容對您造成了困擾,歡迎寫郵件給我們,收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容,歡迎發送郵件至: info-contact@alibabacloud.com 進行舉報並提供相關證據,工作人員會在 5 個工作天內聯絡您,一經查實,本站將立刻刪除涉嫌侵權內容。

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

  • Sales Support

    1 on 1 presale consultation

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.