爬取网页其实就是通过URL获取网页信息，网页信息的实质是一段添加了JavaScript和CSS的HTML代码。Python提供了一个抓取网页信息的第三方模块requests,requests模块自称“HTTP for Humans”,直译过来的意思是专门为人类而设计的HTTP模块，该模块支持发送请求，也支持获取响应。
1.发送请求
requests模块提供了很多发送HTTP请求的函数，常用的请求函数具体如表10-1所示。
表10-1 requests模块的请求函数
2.获取响应
requests模块提供的Response 类对象用于动态地响应客户端的请求，控制发送给用户的信息，并且将动态地生成响应，包括状态码、网页的内容等。接下来通过一张表来列举Response类可以获取到的信息，如表10-2所示。
表10-2 Response 类的常用属性
接下来通过一个案例来演示如何使用requests模块抓取百度网页，具体代码如下：
# 01 requests baiduimport requestsbase_url = 'http://www.baidu.com'#发送GET请求res = requests.get (base_url)print("响应状态码：{}".format(res.status_code)) #获取响应状态码print（"编码方式：{}".format(res.encoding)） #获取响应内容的编码方式res.encoding = 'utf-8' #更新响应内容的编码方式为UIE-8print（"网页源代码：\\n{}".format(res.text）) ＃获取响应内容以上代码中，第2行使用import导入了requests模块；第3~4行代码根据URL向服务器发送了一个GET请求，并使用变量res接收服务器返回的响应内容；第5~6行代码打印了响应内容的状态码和编码方式；第7行将响应内容的编码方式更改为“utf-8”；第8行代码打印了响应内容。运行程序，程序的输出结果如下：
响应状态码：200编码方式：ISO-8859-1网页源代码：<!DOCTYPE html><!–-STATUS OK--><html> <head><meta http-equiv=content-type content=text/html;charset=utf-8><meta http-equiv=X-UA-Compatible content=IE=Edge><meta content=always name=referrer><link rel=stylesheet type=text/css href=http://s1.bdstatic.com/r/www/cache/bdorz/baidu.min.css><title>百度一下,你就知道</title></head><body link=#0000cc>…省略N行…</body></html>值得一提的是，使用requests模块爬取网页时，可能会因为没有连接网络、服务器连接失败等原因导致产生各种异常，最常见的两个异常是URLError和HTTPError，这些网络异常可以使用 try…except 语句捕获与处理。
文章来源于：王晴儿网页设计博客 欢迎分享交流，转载请注明出处
本文来自投稿，不代表重蔚自留地立场，如若转载，请注明出处https://www.cwhello.com/262284.html
如有侵犯您的合法权益请发邮件951076433@qq.com联系删除
