1、爬虫的工作原理

获取数据–解析数据–提取数据–存储数据

2、获取数据

本质就是通过URL去向服务器发出请求，服务器再把相关内容封装成一个Response对象返回给我们，这是通过requests.get()实现的。而我们获取到的Response对象下有四个常用的方法（status_code、content、text、encoding）。

3、requests.get()

import requests #引入requests模块

res = requests.get(‘url’) # 向服务器请求数据，服务器返回的结果是个Response对象

print(type(res)) # 终端显示：<class ‘requests.models.Response’>

这代表着res是一个对象，属于requests.models.Response类。

3、response.status_code

用法：print(变量.status_code)，

用来检查请求是否正确响应，如果响应状态码为200，即代表请求成功。

响应状态码表示服务器对请求的响应结果。例如，200代表服务器响应成功，403代表禁止访问，404代表页面未找到，408代表请求超时。浏览器会根据状态码做出相应的处理。在爬虫中，可以根据状态码来判断服务器的状态，如果状态码为200，则继续处理数据，否则直接忽略。

4、response.content

response.content能把Response对象的内容以二进制数据的形式返回，适用于图片、音频、视频的下载，示例：

import requests

#图片地址
URL=‘‘https://img1.baidu.com/it/u=2076064484,1314795796&fm=253&fmt=auto&app=120&f=JPEGw=531&h=309’’

发出请求，并把返回的结果放在变量res中

res = requests.get(url)
# 把Reponse对象的内容以二进制数据的形式返回
pic = res.content

# 下载一个图片文件并命名为picture.jpg， 图片内容需要以二进制wb只写。
with open(r’C:UsersAveryDesktop estpicture.jpg’, ‘wb’) as f:

获取pic的二进制内容,写入f

f.write(pic)

这样我们图片就下载成功了！

5、response.text

response.text这个方法可以把Response对象的内容以字符串的形式返回，适用于文字、网页源代码的下载。示例如下：

import requests

文章地址

url = ‘https://localprod.pandateacher.com/python-manuscript/crawler-html/sanguo.md’

发出请求，并把返回的结果放在变量res中

res = requests.get(url)
# 把Response对象的内容以字符串的形式返回
novel = res.text
#打印变量
print(novel[0:170])

6、response.encoding

response.encoding方法，它能帮我们定义Response对象的编码，示例如下：

import requests

文章地址

url = ‘https://localprod.pandateacher.com/python-manuscript/crawler-html/sanguo.md’

发出请求，并把返回的结果放在变量res中

res = requests.get(url)
# 定义response对应的编码为utf-8
res.encoding = ‘utf-8’

把Response对象的内容以字符串的形式返回

novel = res.text

打印变量

print(novel[0:170])