练练手：用Python爬虫抓取网页

本节讲解第一个 Python 爬虫实战案例：抓取您想要的网页，并将其保存至本地计算机。

首先我们对要编写的爬虫程序进行简单地分析，该程序可分为以下三个部分：

明确逻辑后，我们就可以正式编写爬虫程序了。

导入所需模块

本节内容使用 urllib 库来编写爬虫，下面导入程序所用模块：

from urllib import request
from urllib import parse

定义 URL 变量，拼接 url 地址。代码如下所示：

发送请求主要分为以下几个步骤：

代码如下所示：

#重构请求头
headers = {‘User-Agent’:‘Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0’}
#创建请求对应
req = request.Request(url=full_url,headers=headers)
#获取响应对象
res = request.urlopen(req)
#获取响应内容
html = res.read().decode(“utf-8”)

把爬取的照片保存至本地，此处需要使用 Python 编程的文件 IO 操作，代码如下：

完整程序如下所示：

from urllib import request,parse
1.拼url地址
url = ‘http://www.baidu.com/s?wd={}’
word = input(‘请输入搜索内容:’)
params = parse.quote(word)
full_url = url.format(params)
2.发请求保存到本地
headers = {‘User-Agent’:‘Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0’}
req = request.Request(url=full_url,headers=headers)
res = request.urlopen(req)
html = res.read().decode(‘utf-8’)
3.保存文件至当前目录
filename = word + ‘.html’
with open(filename,‘w’,encoding=‘utf-8’) as f:
f.write(html)

尝试运行程序，并输入编程帮，确认搜索，然后您会在 Pycharm 当前的工作目录中找到“编程帮.html”文件。

Python 函数式编程可以让程序的思路更加清晰、易懂。接下来，使用函数编程的思想更改上面代码。

定义相应的函数，通过调用函数来执行爬虫程序。修改后的代码如下所示：

from urllib import request
from urllib import parse
拼接URL地址
def get_url(word):
url = ‘http://www.baidu.com/s?{}’
#此处使用urlencode()进行编码
params = parse.urlencode({‘wd’:word})
url = url.format(params)
return url
发请求,保存本地文件
def request_url(url,filename):
headers = {‘User-Agent’:‘Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0’}
请求对象 + 响应对象 + 提取内容
req = request.Request(url=url,headers=headers)
res = request.urlopen(req)
html = res.read().decode(‘utf-8’)
保存文件至本地
with open(filename,‘w’,encoding=‘utf-8’) as f:
f.write(html)
主程序入口
if name == ‘main’:
word = input(‘请输入搜索内容:’)
url = get_url(word)
filename = word + ‘.html’
request_url(url,filename)