requests获取保存网页代码

Python，分享一些初学者的心得与君共勉。
内容主要是如何使用python去获取网页的源代码并存储到本地文件中
先上代码：

import requests

def gethtml(url):
    req=requests.get(url)
    html=req.text
    print(html)
url = 'http://www.youku.com'
gethtml(url)

第1行导入了必要的模块
第2至5行定义了一个函数，目的是向指定url发送http请求，并将网页的源代码返回
最后把获得的源码进行展示

而在浏览的网页的空白处单击右键，选择“查看网页源代码”，可以看到的html源码，实际上是一样的。

修改一下代码，将获取的html源码写入本地的文件。
方法一：

import requests
def getUrl(url):
    r= requests.get(url)
    txt=r.text
    f = open('file2.html', 'x', encoding='utf-8')
    f.write(txt)

url = 'http://www.youku.com'
getUrl(url)

方法二：

import requests  
html = requests.get("http://www.baidu.com")  
with open('test.txt','w',encoding='utf-8') as f:  
 f.write(html.text)

这是一个基本的文件保存操作，但这里有几个值得注意的问题：
1.安装requests包，命令行输入pip install requests即可自动安装。很多人推荐使用requests，自带的urllib.request也可以抓取网页源码
2.open方法encoding参数设为utf-8，否则保存的文件会出现乱码。
3.如果直接在cmd中输出抓取的内容，会提示各种编码错误，所以保存到文件查看。
4.with open方法是更好的写法，可以自动操作完毕后释放资源。

另一个例子：

import requests  
text = open('testt.txt','w',encoding='utf-8')  
with open('test.txt',encoding="utf-8") as f:  
    for line in f:  
        text.write(line)  
text.close()

这是演示读取一个txt文件，每次读取一行，并保存到另一个txt文件中的示例。
因为在命令行中打印每次读取一行的数据，中文会出现编码错误，所以每次读取一行并保存到另一个文件，这样来测试读取是否正常。（注意open的时候制定encoding编码方式）

作为一个购物网站，大部分类型的商品都是分很多页的，接下来继续修改代码，让它能够取出前5页的内容，分别写入5个文件中。

[python] view plain copy
import urllib  
import urllib2  
def getPage(url):     
    request = urllib2.Request(url)  
    response = urllib2.urlopen(request)  
    return response.read()  

url='http://www.ebay.com/sch/TShirts-/15687/i.html?Style=Basic%2520Tee&_dcat=15687&Color=Black'  
p=0  
while p<5:  
    print ' =='+str(p+1)+'==start=='  
    result=getPage(url+'&_pgn='+str(p+1))  
    txt='D:\\result'+str(p+1)+'.html'  
    f = open(txt,"w+")  
    f.write(result)  
    print ' =='+str(p+1)+'====end=='  
    p=p+1  
f.close()

第8行修改了url字符串的结尾部分，删除了“&_pgn=1”，并将其作为后面循环的参数
第10至17行做了一个0至4的循环（当然你也可以设置成1到5），其中第11行和16行仅是跟踪代码，用以显示当前读到的页数。第12行的实参将循环变量p组合进去，达到获取不同页html源码的作用。
第18行结束文件操作，关闭所用资源。

requests获取保存网页代码

猜你喜欢