学习爬虫中,从最近自己写的爬虫小程序中抓截一点代码。加深下记忆。
1.因为我已经安装了Python3,所以使用了urllib3库。
2.要根据对应网页的数据格式进行解码,有的是utf-8,有的是GB2312,当然可能还有其它。否则会报错。
import urllib3
import time
#因为我使用了Python3,所以使用urllib3库
http = urllib3.PoolManager()
response=http.request('GET','https://www.cnblogs.com/')
http_data = response.data.decode('utf-8') #GB2312
#在抓取的网页数据中查找匹配的数据
User = "齐妙非凡"
if (http_data.find(User,0,len(http_data)) != -1):
print("找到【%s】的随笔!"%User)
else:
print("找不到【%s】的随笔!"%User)
#建立文件,保存每次抓取到的网页的内容
data_filename=r'LOG\%s_data.log'%(time.strftime('%Y%m%d%H%M%S'))
web_data = open(data_filename,'w',encoding='utf-8')
web_data.write(http_data)
web_data.close()