python3 requests 抓取乱

py3study

发布于 2020-01-03 16:29:53

5140

发布于 2020-01-03 16:29:53

文章被收录于专栏：python3python3

遇到此问题后设置r.encoding='gbk'或r.encoding='gb2312'后可以了

注意：gbk范围要比gb2312要大，设置gbk要好

python用到中文转拼音的一个包 xpinyin，但用pyinstaller生成exe时，运行提示缺包，没解决

python读取文件方式：

读取：

file = open('setUrl.txt','r')

url = file.read()

file.close()

写入：不存在创建，每次打开写入时先清空再开始写入

file = open('sql.txt','w') #‘w’是覆盖，‘a’是追加

for i in strs:

print(i[2])

file.write(i[2] + '\n')

file.close()

python模块安装方法：

进入命令行直接输入：pip install 包名

python打包exe 方法

进入程序目录，用pyinstaller打包，输入命令行：pyinstaller [-F] 打包python文件名.py 该方式在迁移后不能修改.py文件，不推荐，暂没找到好方法，并且打包后运行会提示缺模块如“queue”要在py中引入“from multiprocessing import Queue”。

python3中全局变量使用方式，主方法中声明，调用方法中再声明

global 变量名

def funcA():

global 变量名

一些网站可能简单屏蔽网页抓取，通过设置http请求标头，可实现抓取

    UserAgent = 'Mozilla/5.0 (Windows NT 10.0; WOW64; Trident/7.0; rv:11.0) like Gecko'
    accept = '*/*'
    acceptLanguage = 'zh-Hans-CN, zh-Hans; q=0.8, en-US; q=0.5, en; q=0.3'
    acceptEncoding = 'gzip, deflate, sdch'
    Cookie = 'AD_RS_COOKIE=20083361; _trs_ua_s_1=em41_6_j0ywubts; _gscu_1771678062=91030129ufqfm619; _gscs_1771678062=9103012938hyzj19|pv:1; _gscbrs_1771678062=1; _trs_uv=23au_6_j0ywubts'
    Host = 'www.stats.gov.cn'
    CacheControl = 'no-cache'
    Connection = 'Keep-Alive'
    headers = { 'User-Agent' : UserAgent,'accept':accept,'accept-Encoding':acceptEncoding,'Accept-Language':acceptLanguage,'Cookie':Cookie,'Host':Host,'Cache-Control' : CacheControl,'Connection':Connection}
    s = requests.Session()
    s.headers.update(headers)
    req = s.get(url)
    req.encoding='gbk'

网页抓取解析html

BeautifulSoup很好用，类似jquery选择器，可替代正则表达式

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2019/09/27 ，如有侵权请联系 cloudcommunity@tencent.com 删除

打包