Python爬虫实战：使用requests模块抓取百度翻译与搜狗首页
本文详细介绍Python中requests模块的安装与基础用法，涵盖指定URL、参数处理、发起请求及数据持久化存储的完整流程。通过百度翻译POST请求案例演示UA伪装技巧，并结合搜狗首页GET请求案例，讲解如何获取网页源码并保存为本地文件，帮助开发者快速掌握网络爬虫核心技能。
requests模块简介与安装
requests模块是Python中用于处理网络请求的核心库。
作为Python原生提供的网络请求工具，它具有功能强大、接口简洁且执行效率极高的特点。
其主要作用是模拟浏览器向服务器发送HTTP请求。
需要注意的是，虽然早期版本常使用urllib模块，但requests模块在易用性和代码简洁度上更具优势，建议初学者直接学习requests模块。
requests模块编码流程
使用requests模块进行数据抓取的标准流程包括以下步骤。
第一步是确定目标网页的URL地址。
1.1 针对需要反爬机制的网站，需进行User-Agent（UA）伪装。
1.2 对请求所需的参数进行解析与封装处理。
第二步是向指定URL发起HTTP请求。
第三步是接收并解析服务器返回的响应数据。
第四步是将获取到的数据进行持久化存储，如保存为文件或数据库。
在使用前，需通过pip命令安装该模块。
执行命令：pip install requests
案例一：百度翻译POST请求爬取
案例一：通过POST请求爬取百度翻译接口数据。
具体实现代码如下：
#爬取百度翻译
#导入模块
import requests
import json
#UA伪装：将对应的User-Agent封装到一个字典中
headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) '
'Chrome/57.0.2987.98 Safari/537.36'}
#网页访问连接
url='https://fanyi.baidu.com/sug'
#处理url携带的参数：封装到字典中
word=input("input a word: ")
data={
'kw': word
}
#请求发送
res=requests.post(url=url,data=data,headers=headers)
#获取响应数据:json()方法返回的是obj（如果确认响应数据是json类型的，才可以使用json（））
dic_obj=res.json()
#持久化存储
filename=word+'.json'
fp=open(filename,'w',encoding='utf-8')
json.dump(dic_obj,fp=fp,ensure_ascii=False)
#打印完成提示
print('finish')代码逻辑解析如下。
目标URL https://fanyi.baidu.com/sug 的具体位置参考下图所示。
程序运行后的输出结果如下。
案例二：搜狗首页GET请求爬取
案例二：通过GET请求爬取搜狗首页页面数据。
相关实现代码如下。
import requests
if __name__ == "__main__":
#step_1:指定url
url = 'https://www.sogou.com/'
#step_2:发起请求
#get方法会返回一个响应对象
response = requests.get(url=url)
#step_3:获取响应数据.text返回的是字符串形式的响应数据
page_text = response.text
print(page_text)
#step_4:持久化存储
with open('./sogou.html','w',encoding='utf-8') as fp:
fp.write(page_text)
print('爬取数据结束！！！')该案例的运行结果展示如下。
以上内容涵盖了requests模块的基本使用与两个典型爬虫案例，希望能为读者的学习提供有效帮助，欢迎持续关注本站获取更多技术分享。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
