1 爬虫介绍
# 爬虫是什么
-爬虫就是程序---》从互联网中,各个网站上,爬取数据[你能浏览的页面才能爬],做数据清洗,入库
# 爬虫的本质
-模仿方式http请求,获取数据---》入库
-网站
-app:抓包
# 补充:百度其实就是一个大爬虫
-百度爬虫一刻不停的在互联网中爬取各个页面---》爬取完后---》保存到自己的数据库中
-你在百度搜索框中搜索---》百度自己的数据库查询关键字---》返回回来
-点击某个页面---》跳转到真正的地址上
-seo
-sem:充钱的
# 咱们学习的
-模拟发送http请求
-requests模块
-selenium
-反扒:封IP:ip代理,封帐号:cookie池
-分析数据:bs4
-入库:mysql,redis,文件中
-爬虫框架:scrapy
-seo:
SEO (Search Engine Optimization) 是指优化网站以在搜索引擎中提高排名的过程。目的是让搜索引擎更容易地找到和理解网站内容,从而提高网站的可见性和流量。SEO的目标是通过优化网站内容、结构和其他因素来提高搜索引擎的排名,使其在相关的搜索结果中排名更高。通过使用关键词研究、优化网站结构和内容,以及与其他网站建立高质量的链接,可以帮助提高SEO效果。SEO是一个复杂的过程,需要专业的技能和策略。
SEO的实现涉及多个方面,包括以下几个方面:
1 关键词研究和优化:确定网站需要针对哪些关键词进行优化,并在网站的内容、标题、描述、URL等位置合理地使用这些关键词。
2 网站结构优化:优化网站的结构和代码,使搜索引擎能够更好地理解网站的内容,包括使用合适的HTML标记、网站结构布局优化、图片优化等。
3 内容优化:创建高质量、有价值的内容,包括文本、图像、视频等,并在网站上发布这些内容。确保内容符合搜索引擎的要求,并通过使用关键词和内部链接等方式进行优化。
4 外部链接建设:通过建立高质量的外部链接来提高网站的权威性和可信度。这些链接来自其他网站或社交媒体平台,通常是与相关领域或行业的网站建立链接。
5 移动优化:确保网站能够在移动设备上正常显示,并优化页面加载速度和响应速度。
6 监测和分析:使用工具来跟踪和分析网站的表现,包括流量、排名、反向链接等指标,以了解SEO策略的效果,并作出相应的调整。
7 这些都是SEO的基本实现策略,但是需要具体根据不同的网站类型和需求进行定制化的实施。同时,SEO是一个长期的过程,需要持续的优化和调整,以确保网站在搜索引擎中保持良好的排名。
2 requset模块介绍
# 使用python如何发送http请求
# 模块:request模块,封装了python聂志模块urllib
使用requests可以模拟浏览器的请求(http),比起之前用到的urllib,requests模块的api更加便捷(本质就算封装了urllib3)
# 安装
pip install requests
3 request发送get请求
import
# res = requests.get('https://www.cnblogs.com/liuqingzheng/p/16005866.html')
# print(res.text)
# 如果有的网站,发送请求,不返回数据,人家做了反扒---》拿不到数据,学习如何反扒
# res = reuqests.get('https://dig.chouti.com/')
# print(res.text)
4 request携带参数
import requests
# 方式一:直接拼接到路径中
# res = requests.get('https://www.cnblogs.com/liuqingzheng/p/16005866.html?name=lqz&age=19')
# 方式二:使用params参数
res = requests.get('https://www.cnblogs.com/liuqingzheng/p/16005866.html',params={'name':'guts', 'age': 22})
print(res.text) # 返回页面内容
print(res.url) # 返回网址
5 url编码解码
import requests
from urllib.parse import qupte,unquote
# res = requests.get('https://www.cnblogs.com/liuqingzheng/p/16005866.html',params={'name':"彭于晏",'age':19})
# print(res.text)
# 如果是中文,在地址栏中会做url的编码:彭于晏:%E5%BD%AD%E4%BA%8E%E6%99%8F
# print(res.url)
# 'https://www.baidu.com/s?wd=%E5%B8%85%E5%93%A5'
# 编码:
# res=quote('彭于晏')
# print(res)
# 解码
res = unquote('%E5%BD%AD%E4%BA%8E%E6%99%8F')
print(res)
6 携带请求头
# 反扒措施之一,就是请求头
# http请求中,请求头中有一个很重要的参数 User-Agent
-表明了客户端类型是什么:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36
-如果没有带这些请求头,后端就禁止
-request发送请求,没有携带该参数,所以有的网站就禁止了
import requests
# http请求头:User-Agent,cookie,Connection
# http协议版本间的区别
# Connection :keep-alive
# http协议有版本:主流1.1 0.9 2.x
# http 基于TCP 如果建立一个http连接---》底层创建一个tcp连接
# 1.1比之前多了keep-alive
# 2.x比1.x多了 多路复用
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36'
}
res = requests.get('https://dig.chouti.com/',headers=headers)
print(res.text)
7 发送post请求,携带数据
import requests
# 携带登录信息,携带cookie
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36',
'Cookie': ''
}
# post请求,携带参数
data = {
'linkId': '38063872'
}
res = requests.post('https://dig.chouti.com/link/vote', headers=headers, data=data)
print(res.text)
# 双token认证
8 自动登录,携带cookie的两种方式
# 登录功能,一般都是post
import requests
data = {
'username': '',
'password': '',
'captcha': '3456',
'remember': 1,
'ref': 'http://www.aa7a.cn/',
'act': 'act_login'
}
res = requests.post('http://www.aa7a.cn/user.php',data=data)
print(res.text)
# 响应中会有登录成功的cookie,
print(res.cookies) # RequestsCookieJar 跟字典一样
# 拿着这个cookie,发请求,就是登录状态
# 访问首页,get请求,携带cookie,首页返回的数据一定会有 我的账号
# 携带cookie的两种方式 方式一是字符串,方式二是字典或CookieJar对象
# 方式二:放到cookie参数中
res1 = requests.get('http:www.aa7a.cn/', cookies=res.cookies)
print('[email protected]' in res1.text)
9 requests.session的使用
# 为了保持cookie,以后不需要携带cookie
import reqeusts
data = {
'username': '',
'password': '',
'captcha': '3456',
'remember': 1,
'ref': 'http://www.aa7a.cn/',
'act': 'act_login'
}
session = requests.session()
res = session.post('http://www.aa7a.cn/user.php', data=data)
print(res.text)
res1 = session.get('http://www.aa7a.cn/') # 自动保持登录状态,自动携带cookie
print('[email protected]' in res1.text)
10 补充post请求携带数据编码格式
import requests
# data对应字典,这样写,编码方式是urlencoded
requests.post(url='xxxxxxxx',data={'xxx':'yyy'})
# json对应字典,这样写,编码方式是json格式
requests.post(url='xxxxxxxx',json={'xxx':'yyy'})
# 终极方案,编码就是json格式
requests.post(url='',
data={'':1,},
headers={
'content-type':'application/json'
})
11 响应Response对象
# Response相应对象的属性和方法
import requests
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36'
}
respone = requests.get('http://www.jianshu.com',headers=headers)
# response属性
print(respone.text) # 响应体转成了字符串
print(respone.content) # 响应体的二进制内容
print(respone.status_code) # 响应状态码
print(respone.headers) # 响应头
print(respone.cookies) # cookie是在响应头,cookie很重要,它单独做成了一个属性
print(respone.cookies.get_dict()) # cookieJar对象----》转成字段
print(respone.cookies.items()) # cookie的键值对
print(respone.url) # 请求地址
print(respone.history) # 不用关注
print(respone.encoding) # 响应编码格式
12 编码问题
# 有的网站,打印
res.text --->发现乱码---》请求回来的二进制---》转成了字符串---》默认用utf8转---》
response.encoding='gbk'
再打印res.text它就用gbk转码
13 下载图片,视频
import requests
# res=requests.get('http://pic.imeitou.com/uploads/allimg/230224/7-230224151210-50.jpg')
# # print(res.content)
# with open('美女.jpg','wb') as f:
# f.write(res.content)
#
res=requests.get('https://vd3.bdstatic.com/mda-pcdcan8afhy74yuq/sc/cae_h264/1678783682675497768/mda-pcdcan8afhy74yuq.mp4')
with open('致命诱惑.mp4','wb') as f:
for line in res.iter_content():
f.write(line)
标签:http,get,简介,爬虫,cookie,res,print,requests
From: https://www.cnblogs.com/DragonY/p/17219672.html