详解Python爬虫的基本写法(python爬虫介绍)

编辑：rootadmin

推荐整理分享详解Python爬虫的基本写法(python爬虫介绍)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python爬虫介绍,python 爬虫技术,python爬虫基本原理,python 爬虫技术,python爬虫基本原理,python爬虫介绍,python爬虫的原理以及步骤,python爬虫的原理以及步骤,内容如对您有帮助，希望把文章链接给更多的朋友！

什么是爬虫

爬虫，即网络爬虫，大家可以理解为在网络上爬行的一直蜘蛛，互联网就比作一张大网，而爬虫便是在这张网上爬来爬去的蜘蛛咯，如果它遇到资源，那么它就会抓取下来。想抓取什么？这个由你来控制它咯。

比如它在抓取一个网页，在这个网中他发现了一条道路，其实就是指向网页的超链接，那么它就可以爬到另一张网上来获取数据。这样，整个连在一起的大网对这之蜘蛛来说触手可及，分分钟爬下来不是事儿。

1.最基本的抓站

2.使用代理服务器

这在某些情况下比较有用，比如IP被封了，或者比如IP访问的次数受到限制等等。

3.需要登录的情况

登录的情况比较麻烦我把问题拆分一下：

3.1.cookie的处理

是的没错，如果想同时用代理和cookie，那就加入proxy_support然后operner改为

3.2 表单的处理

登录必要填表，表单怎么填？首先利用工具截取所要填表的内容比如我一般用firefox+httpfox插件来看看自己到底发送了些什么包这个我就举个例子好了，以verycd为例，先找到自己发的POST请求，以及POST表单项：

可以看到verycd的话需要填username,password,continueURI,fk,login_submit这几项，其中fk是随机生成的（其实不太随机，看上去像是把epoch时间经过简单的编码生成的），需要从网页获取，也就是说得先访问一次网页，用正则表达式等工具截取返回数据中的fk项。continueURI顾名思义可以随便写，login_submit是固定的，这从源码可以看出。还有username，password那就很显然了。

好的，有了要填写的数据，我们就要生成postdata

然后生成http请求，再发送请求：

3.3 伪装成浏览器访问

某些网站反感爬虫的到访，于是对爬虫一律拒绝请求

这时候我们需要伪装成浏览器，这可以通过修改http包中的header来实现

3.4 反”反盗链”

某些站点有所谓的反盗链设置，其实说穿了很简单，就是检查你发送请求的header里面，referer站点是不是他自己，所以我们只需要像3.3一样，把headers的referer改成该网站即可，以黑幕著称地cnbeta为例：

headers是一个dict数据结构，你可以放入任何想要的header，来做一些伪装。例如，有些自作聪明的网站总喜欢窥人隐私，别人通过代理访问，他偏偏要读取header中的X-Forwarded-For来看看人家的真实IP，没话说，那就直接把X-Forwarde-For改了吧，可以改成随便什么好玩的东东来欺负欺负他，呵呵。

3.5 终极绝招

有时候即使做了3.1-3.4，访问还是会被据，那么没办法，老老实实把httpfox中看到的headers全都写上，那一般也就行了。再不行，那就只能用终极绝招了，selenium直接控制浏览器来进行访问，只要浏览器可以做到的，那么它也可以做到。类似的还有pamie，watir，等等等等。

4.多线程并发抓取

关于Python爬虫的基本写法小编就给大家介绍到这里，后续还会持续更细，敬请关注，谢谢！

Python argv用法详解想用python处理一下文件，发现有argv这个用法，搜来学习一下。如果想对python脚步传参数，那么就需要命令行参数的支持了，这样可以省的每次去改脚步

如何处理Python3.4 使用pymssql 乱码问题在项目中发现这样一个问题：sqlserver数据库编码为gbk，使用python3.4+pymssql查询，中文乱码，经过一番思考问题解决，下面把解决办法分享给大家：conn=pyms

python轻松查到删除自己的微信好友前言相信各位一定有收到过这样的群发短信，据说还被归类为玩转微信的五大技巧之一?(???)?但，其实，只要跑一下脚本，就轻松找出删除自己的好友（

标签: python爬虫介绍

本文链接地址:https://www.jiuchutong.com/biancheng/379988.html 转载请保留说明！

上一篇：黑科技 Python脚本帮你找出微信上删除你好友的人(pythoni脚本)

下一篇：Python argv用法详解(python的argparse用法)