爬取网页的通用代码框架

1、什么是网页的通用代码框架?

就是一组代码;能够准确的可靠地爬取网页上的内容。

2、网络的异常处理:

image.png

注意:6、7的区别

image.png

r.raise_for_status()使用方法:

image.png

image.png

代码如下:
import requests
def getHTMLText(url):
try:
r=requests.get(url,timeout=30)
r.raise_for_status()#如果状态不是200,引发HTTPError异常
r.encoding=r.apparent_encoding#根据响应内容指定编码格式utf-8
return r.text
except:
return '产生异常'

if name == 'main':
url='https://www.baidu.com'
print(getHTMLText(url))

Http协议和Requests库的 方法:

http协议内容请参考:HTTP入门详解 - 简书 (jianshu.com)
是不是很熟悉,和request库的七个主要七个方法很像。

image.png

image.png

head()方法更节省带宽:
image.png

image.png

image.png

put()与post()类似。

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容