PYTHON爬虫学习——urllib库之Debuglog与URLError实战练习
2017-06-27 22:29
579 查看
算是补前段时间学习爬虫的坑吧,这几天捡回来发现好多东西都忘了,所以写写记录下来,主要是跟着《精通PYTHON网络爬虫》这本书来学习
版本:PYTHON 3.5.2
工具:Spyder
代码如下:
import urllib.request
import urllib.parse
import urllib.error
httpsn=urllib.request.HTTPHandler(debuglevel=1)
httphn=urllib.request.HTTPSHandler(debuglevel=1)
opener=urllib.request.build_opener(httpsn,httphn)
urllib.request.install_opener(opener)
url='https://nba.hupu.com/'
rep=urllib.request.Request(url)
rep.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
try:
data=urllib.request.urlopen(rep).read()
except urllib.error.URLError as e:
if hasattr(e,'code'):
print(e.code)
if hasattr(e,'reason' ):
print(e.reason)
with open(r'C:\Users\10357\Desktop\3.html','wb')as file:
file.write(data)
print("finished!")
1).先分别使用urllib.request.HTTPHandler和[b]urllib.request.HTTPSHandler,并且将debuglevel设置为1.[/b]
2)之后使用urllib.request.build_opener创建出自定义的opener对象,将1)中内容设定为参数,接着用urllib.request.install_opener创建全局默认的opener对象,因此我们可以在使用urlopen时也可以使用我们自己安装的opener对象
3)接着使用[b]urllib.request.Request来读取url信息,用add_header添加对应的浏览器头部信息[/b]
[b]4)然后使用URLError进行异常处理:先做一个判断,如果有e.code则输出对应信息,没有则自动忽略。e.reason()同理。并且使用hasattr()来判断是否有这些属性[/b]
[b]5)最后将爬取到的虎扑篮球网页保存到桌面,输出finished![/b]
[b]心得:感觉urllib库中比较关键的地方就是url.request.build——opener()和add_header()这俩部分吧,前者可以修改报头,后者可以实现对应的浏览器模拟,减少被网站反爬的可能性。debuglog则是可以让我们实时观察到运行日志;try..except是经常用来进行异常处理,配合URLError,可以及时发现爬虫中出现的与url有关的异常,非常的好用。[/b]
更高级点的内容之后慢慢补吧。。
版本:PYTHON 3.5.2
工具:Spyder
代码如下:
import urllib.request
import urllib.parse
import urllib.error
httpsn=urllib.request.HTTPHandler(debuglevel=1)
httphn=urllib.request.HTTPSHandler(debuglevel=1)
opener=urllib.request.build_opener(httpsn,httphn)
urllib.request.install_opener(opener)
url='https://nba.hupu.com/'
rep=urllib.request.Request(url)
rep.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36')
try:
data=urllib.request.urlopen(rep).read()
except urllib.error.URLError as e:
if hasattr(e,'code'):
print(e.code)
if hasattr(e,'reason' ):
print(e.reason)
with open(r'C:\Users\10357\Desktop\3.html','wb')as file:
file.write(data)
print("finished!")
1).先分别使用urllib.request.HTTPHandler和[b]urllib.request.HTTPSHandler,并且将debuglevel设置为1.[/b]
2)之后使用urllib.request.build_opener创建出自定义的opener对象,将1)中内容设定为参数,接着用urllib.request.install_opener创建全局默认的opener对象,因此我们可以在使用urlopen时也可以使用我们自己安装的opener对象
3)接着使用[b]urllib.request.Request来读取url信息,用add_header添加对应的浏览器头部信息[/b]
[b]4)然后使用URLError进行异常处理:先做一个判断,如果有e.code则输出对应信息,没有则自动忽略。e.reason()同理。并且使用hasattr()来判断是否有这些属性[/b]
[b]5)最后将爬取到的虎扑篮球网页保存到桌面,输出finished![/b]
[b]心得:感觉urllib库中比较关键的地方就是url.request.build——opener()和add_header()这俩部分吧,前者可以修改报头,后者可以实现对应的浏览器模拟,减少被网站反爬的可能性。debuglog则是可以让我们实时观察到运行日志;try..except是经常用来进行异常处理,配合URLError,可以及时发现爬虫中出现的与url有关的异常,非常的好用。[/b]
更高级点的内容之后慢慢补吧。。
相关文章推荐
- 【极客学院】-python学习笔记-4-单线程爬虫 (提交表单抓取信息,实战练习)
- Python爬虫框架Scrapy 学习笔记 10.2 -------【实战】 抓取天猫某网店所有宝贝详情
- Python 数据学习入门之 django Blog 项目实战练习
- python学习笔记(一)爬虫实战:图片自动下载器
- Python实战:Python爬虫学习教程,获取电影排行榜
- python3 [入门基础实战] 爬虫入门之智联招聘的学习(一)
- Python爬虫学习四——爬虫实战
- Python爬虫框架Scrapy 学习笔记 10.2 -------【实战】 抓取天猫某网店所有宝贝详情
- Python的学习笔记DAY8---爬虫练习之煎蛋网妹子图爬虫
- python3 [入门基础实战] 爬虫入门之xpath的学习
- python3 [入门基础实战] 爬虫入门之智联招聘的学习(一)
- Python爬虫框架Scrapy 学习笔记 10.1 -------【实战】 抓取天猫某网店所有宝贝详情
- 小猪的Python学习之旅 —— 9.爬虫实战:爬取花瓣网的小姐姐
- 04精通Python网络爬虫——代理服务器的设置&DebuLog实战&URLError实战
- Python爬虫学习,实战一糗事百科(2017/7/21更新)
- 学习Python就业有哪些方向?附加视频教程(python3从入门到进阶(面向对象),实战(爬虫,飞机游戏,GUI)视频教程)
- Python爬虫框架Scrapy 学习笔记 10.3 -------【实战】 抓取天猫某网店所有宝贝详情
- python 学习之爬虫练习
- Python爬虫实战学习地址
- python 爬虫学习三(Scrapy 实战,豆瓣爬取电影信息)