Python爬虫学习之获取指定网页源码


						本文实例为大家分享了Python获取指定网页源码的具体代码，供大家参考，具体内容如下

1、任务简介

前段时间一直在学习Python基础知识，故未更新博客，近段时间学习了一些关于爬虫的知识，我会分为多篇博客对所学知识进行更新，今天分享的是获取指定网页源码的方法，只有将网页源码抓取下来才能从中提取我们需要的数据。

2、任务代码

Python获取指定网页源码的方法较为简单，我在Java中使用了38行代码才获取了网页源码（大概是学艺不精），而Python中只用了6行就达到了效果。

Python中获取网页源码最简单的方法就是使用urllib包，具体代码如下：





import urllib.request    #导入urllib.request库

b = str(input("请输入："))  #提示用户输入信息，并强制类型转换为字符串型

a = urllib.request.urlopen(b)#打开指定网址

html = a.read()       #读取网页源码

html = html.decode("utf-8") #解码为unicode码

print(html)         #打印网页源码



我输入的网址是我博客主页的网址http://blog.csdn.net/lsylsy726

运行结果如下：





3、总结

这篇博客介绍的方法较为简单，其实有的网站会“反爬虫”，这时就需要我们使用User-Agent或者代理，这些东西都会在后面的博客中进行更新，我预计在后面博客中更新“读取CSDN博客访问量的小程序”和“有道翻译小程序”及其他更难一些的知识，由于刚开始学习爬虫，水平有限，请大家多多包涵。



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。