码迷,mamicode.com
首页 > Web开发 > 详细

用urllib库几行代码实现最简单爬虫

时间:2020-07-19 23:19:06      阅读:78      评论:0      收藏:0      [点我收藏+]

标签:pre   格式   viewport   env   urllib   ram   读取   网站   lld   

"""
使用urllib.request()请求一个网页内容,并且把内容打印出来。

"""

from urllib import request

import chardet

if __name__ == ‘__main__‘:

    # 有的网站url使用不了
    url = "https://www.cnblogs.com/gshelldon/p/13332798.html"

    # 打开url把内容赋值给rsp
    rsp = request.urlopen(url)

    # 存取到内存当中是bytes流,使用read方法把rsp的内容读取出来,赋值给变量html。
    html = rsp.read()

    # 使用decode解码成我们能够看懂的格式。
    # print(type(html))         # 查看返回的格式

    html = html.decode(‘utf-8‘)  # 默认的是utf-8
    print(html)

?```python

返回的内容是html格式的文本


D:\ProgramData\Anaconda3\envs\spider\python.exe D:/爬虫/v1-最简单的爬虫.py
<!DOCTYPE html>
<html lang="zh-cn">
<head>
    <meta charset="utf-8" />
    <meta name="viewport" content="width=device-width, initial-scale=1.0" />
    <meta name="referrer" content="origin" />
    <meta property="og:description" content="nginx 动静分离 不需要运维来做,开发做的。 动态请求:该请求会调用数据库中的数据。 静态请求:用户请求不会调用数据库。 动态页面:后端开发写的需要调用数据库的页面(python、java、C、p" />
    <meta http-equiv="Cache-Control" content="no-transform" />
 
省略。。。。。。。

用urllib库几行代码实现最简单爬虫

标签:pre   格式   viewport   env   urllib   ram   读取   网站   lld   

原文地址:https://www.cnblogs.com/gshelldon/p/13340990.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!