Python 基础编写基于浏览器爬虫
2020-02-20 10:54:33 Author: mp.weixin.qq.com(查看原文) 阅读量:173 收藏


文章来源： 重生信息安全

前言

爬虫程序分很多种，有指定区域 文字 图片 内容 爬取，有通过某引擎进行爬取大数据，下面简单的介绍下通过搜索引擎来进行关键词爬取数据

功能代码结构

1.主代码   

2.配置文件 

3.支持库

正文

先来看一下代码

此处 必应调用的方式是，如下图：

https://cn.bing.com/search?q=1&qs=n&form=QBLH&sp=-1&pq=1&sc=8-1&sk=&cvid=9F6D9AA507274620BE1FFBABCD3E1A78

这个是需要的参数，也是必要的，通过先搜索随机数之后取该接口 以及 参数 参数值
如果只是爬取这一个页面就不需要这样做了，但是我们爬取的是大数据，所以这个地方是要取 下一页的元素

置响应代码，好让代码去自动处理下一页的关系。

继续看：

这个地方找的是 我们一个配置文件 ，在最开始我们都有定义
Self.out ,相当于过滤，不对self.out 内的 内容进行搜索，这个地方就相当于在调用这个 config.json 这个配置文件

编写json配置文件：

先总合上面，是不是这一个基本的模块就很清楚了，说的简单点 ，就是 我先定义 然后调用搜索接口，然后去调用并判断这个配置文件
继续往下走！

模拟请求头 ，这个就好比是一个标识，比如模拟手机的 谷歌的 火狐的 等等。

下面就是逻辑判断

上诉总结：

其实很简单，我们把他集合并分解就是--该程序是通过必应搜索去进行搜索关键词，对搜索到的关键词取url 连接，结果并以txt 文本的方式去进行保存，我们所需要的是在 config.json 这个配置文件里面填写想要的爬行的关键词
代码简单阐述：
先定义需要使用的函数 ，通过函数去进行判断 配置文件，并模拟 inter 请求,去进行进行之后，使用函数对其进行判断所爬出的结果，取域名地址，保存到文本进程完结

相关代码：

其实我们只要注意以下几点，就可以完全做到编写简单的爬虫程序：

1：程序框架 （制定程序框架，要知道这个程序是做什么的 需要什么东西） 2：按需编写 （先对其进行定义，根据所定义的去进行编写，每定义一个，编写一个，这样会减少错误率）

结尾

大佬勿喷！来自一个python 菜鸟！该程序仅提供学习参考！！！

您的三连就是对我们的肯定：留言-在看-转发，谢谢您

程序源代码 : https://share.weiyun.com/5gxtVk3

推荐文章++++

*我用Python找到了隔壁蹭网妹子的QQ号

*使用Python扫描路由ip

*Python 脚本 bug 或导致上百篇论文出错


文章来源: http://mp.weixin.qq.com/s?__biz=MzAxMjE3ODU3MQ==&mid=2650459891&idx=2&sn=b5a0bdae7674176026b144e0a80a0407&chksm=83bbab17b4cc2201bb17bc98384141663eb84cb3d036254078e39eaa814498cac3de1fd93d18#rd
如有侵权请联系:admin#unsafe.sh