python爬虫调用搜索引擎及图片爬取实战

实战三—向搜索引擎提交搜索请求

关键点：利用搜索引擎提供的接口

百度的接口：wd=“要搜索的内容”
360的接口：q=“要搜索的内容”
因此咱们只要把咱们提交给服务器的url修改为对应的格式，就能够向搜索引擎提交关键字。
修改url，第一个想到的就是params参数。只须构造键值对，提交给params便可。
键值对前面的表明搜索引擎前面的接口标识，键值对后面的表明咱们要搜索的内容。

>>> import requests
>>> kv = {'wd':'python'}
>>> r = requests.get("http://www.baidu.com/s",params=kv)
>>> r.status_code
200

用response对象中的request对象来查看咱们提交给服务器的URL连接。

>>> r.request.url
'http://www.baidu.com/s?wd=python'

给出完整代码：

import requests
kv = {'wd':'python'}
url = "http://www.baidu.com/s"

try:
    r = requests.get(url,params = kv)
    print(r.request.url)
    r.raise_for_status()
    print(r.text[:2000])
except:
    print("爬取失败")

实战四—图片的爬取和存储

图片连接的格式，url+xxxx.jpg
给出图片的地址，爬取下来后存放到本机的某一个位置。

>>> import requests
>>> path = "/Users/hyliu/Desktop/picture.jpg"
>>> url = "https://gss3.bdstatic.com/-Po3dSag_xI4khGkpoWK1HF6hhy/baike/c0%3Dbaike80%2C5%2C5%2C80%2C26/sign=3acf58502f7f9e2f6438155a7e598241/7aec54e736d12f2e227c44d647c2d5628535680f.jpg"
>>> r = requests.get(url)
>>> r.status_code
200

如今r中已经包含了咱们想要的图片，接下来要作的事情就是把图片变成文件存放到本机。
咱们知道图片是一个二进制格式，用以下代码来实现：

>>> path = "/Users/hyliu/Desktop/picture.jpg"
>>> with open(path,'wb') as f:
	f.write(r.content)

53658
>>>

这段代码的含义就是，咱们先打开一个文件picture.jpg，并定义为一个文件标识符f。而后咱们将返回的内容写入到这个文件中。
r.content表示返回内容的二进制格式，因此咱们将r.content写入到图片文件中。
最后咱们将文件关闭。

>>> f.close()
>>>

如今咱们去查看咱们爬取的结果（是否是很帅！）

给出完成代码（用图片本来的名称来命名）：

import requests
import os

url = "https://gss3.bdstatic.com/-Po3dSag_xI4khGkpoWK1HF6hhy/baike/c0%3Dbaike80%2C5%2C5%2C80%2C26/sign=3acf58502f7f9e2f6438155a7e598241/7aec54e736d12f2e227c44d647c2d5628535680f.jpg"
root = "/Users/hyliu/Desktop/"
path = root + url.split('/')[-1] #获取URL最后一个“/”后的内容，实际上就是获取图片本来的名字
try:
    if not os.path.exists(root):    #目录不存在则建立
        os.mkdir(root)
    if not os.path.exists(path):    #判断是否存在重名文件
        r = requests.get(url)
        #print(r.status_code)
        r.raise_for_status()
        with open (path,'wb') as f:
            f.write(r.content)
            f.close()
            print("文件保存成功！")
    else:
        print("文件已存在")
except:
    print("爬取失败")

实战五—查询IP地址的归属地

借助IP138网站查询：

思路就是像百度和360那样，找到IP138网站的接口信息。

>>> import requests
>>> url = "http://m.ip138.com/ip.asp"
>>> kv = {'ip':'218.106.145.15'}
>>> r = requests.get(url,params = kv)
>>> r.status_code
200
>>> r.text[-500:]
'submit" value="查询" class="form-btn" />\r\n\t\t\t\t\t</form>\r\n\t\t\t\t</div>\r\n\t\t\t\t<div class="query-hd">ip138.com IP查询(搜索IP地址的地理位置)</div>\r\n\t\t\t\t<h1 class="query">您查询的IP：218.106.145.15</h1><p class="result">本站主数据：福建省福州市  联通</p><p class="result">参考数据一：福建省福州市 联通</p>\r\n\r\n\t\t\t</div>\r\n\t\t</div>\r\n\r\n\t\t<div class="footer">\r\n\t\t\t<a href="http://www.miitbeian.gov.cn/" rel="nofollow" target="_blank">沪ICP备10013467号-1</a>\r\n\t\t</div>\r\n\t</div>\r\n\r\n\t<script type="text/javascript" src="/script/common.js"></script></body>\r\n</html>\r\n'
>>>

给出完整代码：

import requests
kv = {'ip':'218.106.145.15'}
url = "http://m.ip138.com/ip.asp"
try:
    r = requests.get(url,params = kv)
    r.raise_for_status()
    print(r.text[-500:])
except:
    print("爬取失败")

URL is APIjavascript