文章目录
前言一、爬虫是什么？二、使用步骤1.引入库2.简单的页面爬取的四步流程1.获取url2.向url发送请求，并获取响应（需要http协议）3.如果从响应中提取url，则继续发送请求获取响应4.如果从响应中提取数据，则将数据进行保存 总结前言
本文使用Python爬虫技术实现一个简单的网页采集器功能。
一、爬虫是什么？
网络爬虫（又被称为网页蜘蛛，网络机器人）就是模拟浏览器发送网络请求，接收请求响应，一种按照一定的规则，自动地抓取互联网信息的程序。
原则上,只要是浏览器(客户端)能做的事情，爬虫都能够做。
二、使用步骤
1.引入库
代码如下（示例）：
import requests
2.简单的页面爬取的四步流程
1.获取url
2.向url发送请求，并获取响应（需要http协议）
3.如果从响应中提取url，则继续发送请求获取响应
4.如果从响应中提取数据，则将数据进行保存
以下是页面采集器的完整源代码：
import requestsif __name__ == "__main__":#UA伪装：将对应的User-Agent封装到一个字典中headers = {'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36'}url = '/web'#处理url携带的参数：封装到字典中kw = input('enter a word:')param = {'query':kw}#对指定的url发起的请求对应的url是携带参数的，并且请求过程中处理了参数response = requests.get(url=url,params=param,headers=headers)page_text = response.textfileName = kw+'.html'with open(fileName,'w',encoding='utf-8') as fp:fp.write(page_text)print(fileName,'保存成功！！！')
在我们进行网页爬取的时候，要进行UA伪装，所谓UA就是User-Agent（请求载体的身份标识）UA伪装有什么作用呢？UA检测：门户网站的服务器会检测对应请求的载体身份标识，如果检测到请求的载体身份标识为某一款浏览器，说明该请求是一个正常的请求。但是，如果检测到请求的载体身份标识不是基于某一款浏览器的，则表示该请求为不正常的请求（爬虫），则服务器端就很有可能拒绝该次请求。
总结
以上就是今天要讲的内容，本文仅仅简单介绍了网页采集器的爬虫实现步骤，而我们学习提供了大量能使我们快速便捷地处理数据的方法。
