最好的学习方法是教会他人

本文目录：
一、亚马逊商品页面爬取
二、百度/360搜索关键字提交
三、网络图片的爬取与存储
四、IP地址归属地查询

一、亚马逊商品页面爬取

找一个页面，如下

url = "https://www.amazon.cn/dp/B07FQKB4TM?_encoding=UTF8&ref_=sa_menu_kindle_l3_ki"

使用之前的通用代码框架，会发现产生异常：

import requests
def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)
        #如果状态不是200，引发HTTPError异常
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return '产生异常'

if __name__ == "__main__":
    url = "https://www.amazon.cn/dp/B07FQKB4TM?_encoding=UTF8&ref_=sa_menu_kindle_l3_ki"
    print(getHTMLText(url))

查看其返回状态为503

import requests
url = "https://www.amazon.cn/dp/B07FQKB4TM?_encoding=UTF8&ref_=sa_menu_kindle_l3_ki"
r = requests.get(url,timeout=30)
print(r.status_code)
print(r.request.headers)
r.encoding = r.apparent_encoding
print(r.text)

可以看 到如下信息：


此时我们需要考虑在get中使用一个user-agent参数

import requests
url = "https://www.amazon.cn/dp/B07FQKB4TM?_encoding=UTF8&ref_=sa_menu_kindle_l3_ki"
try:
    kv = {'user-agent':'Mozilla/5.0'}
    r1 = requests.get(url)
    r2 = requests.get(url,headers=kv)
    print(r1.status_code)
    print(r1.request.headers)
    print('\n')
    print(r2.status_code)
    print(r2.request.headers)
    r2.raise_for_status()
    r2.encoding = r2.apparent_encoding
    #print(r2.text)
except:
    print('爬取失败')

对比结果如下：
这样就能正常爬取了。

二、百度/360搜索关键字提交

百度的关键词接口：

http://www.baidu.com/s?wd=keyword

360的关键词接口：

http://www.so.com/s?q=keyword

具体用法见下面实例
百度：

import requests
keyword = "Python"
try:
    kv = {'wd':keyword}
    r = requests.get("http://www.baidu.com/s",params=kv)
    print(r.request.url)
    r.raise_for_status()
    print(len(r.text))
except:
    print("爬取失败")

360:

import requests
keyword = "Python"
try:
    kv = {'q':keyword}
    r = requests.get("http://www.so.com/s",params=kv)
    print(r.request.url)
    r.raise_for_status()
    print(len(r.text))
except:
    print("爬取失败")

三、网络图片的爬取与存储

首先，找个目标图片的web地址。
然后就是使用requests爬取，使用os库进行相关存储操作。
全部示例代码如下：

import requests
import os
url = "https://c-ssl.duitang.com/uploads/item/201809/12/20180912231200_jPuyW.jpeg"
root = "D:\\pics\\"
path = root   url.split('/')[-1]
try:
    if not os.path.exists(root):
        os.mkdir(root)
    if not os.path.exists(path):
        r = requests.get(url)
        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")

四、IP地址归属地查询

最关键的是知道目标网址，然后输入相关需要查询的内容。

import requests
url = "http://m.ip138.com/ip.asp?ip="
try:
    r = requests.get(url 'www.joinquant.com')
    r.raise_for_status()
    r.encoding = r.apparent_encoding
    print(r.text[-500:])
except:
    print("爬取失败")

总结：

以上示例都相对简单，总体上就是知道一个网址，然后使用requests进行请求，得到一个Response对象。对这个对象的处理，我们仅仅是显示打印。这远远满足不了要求。