python爬虫一般用哪个模块

发布网友 发布时间：2022-04-27 06:47

我来回答

共2个回答

懂视网 时间：2022-04-29 17:01

python 爬虫常用模块：

Python标准库——urllib模块

功能：打开URL和http协议之类

注：python 3.x中urllib库和urilib2库合并成了urllib库。 其中urllib2.urlopen()变成了urllib.request.urlopen()，urllib2.Request()变成了urllib.request.Request()

urllib请求返回网页

urllib.request.urlopen

urllib.request.open(url[,data,[timeout,[cafile,[capth[,cadefault,[context]]]]]])

urllib.requset.urlioen可以打开HTTP（主要）、HTTPS、FTP、协议的URL

ca 身份验证

data 以post方式提交URL时使用

url 提交网络地址（全程 前端需协议名 后端需端口 http:/192.168.1.1:80）

timeout 超时时间设置

函数返回对象有三个额外的方法

geturl() 返回response的url信息

常用与url重定向info()返回response的基本信息

getcode()返回response的状态代码

示例：

#coding:utf-8
import urllib.request
import time
import platform


#清屏函数(无关紧要 可以不写)
def clear():
 print(u"内容过多 3秒后清屏")
 time.sleep(3)
 OS = platform.system()
 if (OS == u'Windows'):
 os.system('cls')
 else:
 os.system('clear')
#访问函数
def linkbaidu():
 url = 'http://www.baidu.com'
 try:
 response = urllib.request.urlopen(url,timeout=3)
 except urllib.URLError:
 print(u'网络地址错误')
 exit()
 with open('/home/ifeng/PycharmProjects/pachong/study/baidu.txt','w') as fp:
 response = urllib.request.urlopen(url,timeout=3)
 fp.write(response.read())
 print(u'获取url信息，response.geturl()
:%s'%response.getrul())
 print(u'获取返回代码，response.getcode()
:%s' % response.getcode())
 print(u'获取返回信息，response.info()
:%s' % response.info())
 print(u"获取的网页信息经存与baidu.txt")


if __name__ =='main':
 linkbaidu()

Python标准库–logging模块

logging模块能够代替print函数的功能，将标准输出到日志文件保存起来，利用loggin模块可以部分替代debug

re模块

正则表达式

sys模块

系统相关模块

sys.argv(返回一个列表，包含所有的命令行)

sys.exit(退出程序)

Scrapy框架

urllib和re配合使用已经太落后，现在主流的是Scrapy框架

更多Python相关技术文章，请访问Python教程栏目进行学习！

热心网友 时间：2022-04-29 14:09