python爬蟲中如何使用url下載器

這篇文章給大家分享的是有關python爬蟲中如何使用url下載器的內容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

下載器的作用就是接受URL管理器傳遞給它的一個url，然后把該網頁的內容下載下來。python自帶有urllib和urllib2等庫（這兩個庫在python3中合并為urllib），它們的作用就是獲取指定的網頁內容。不過，在這里我們要使用一個更加簡潔好用而且功能更加強大的模塊：Requests。

Requests并非python自帶模塊，需要安裝。關于其具體使用方法請查看以往文章，在此不多做介紹。

下載器接受一個url作為參數，返回值為下載到的網頁內容（格式為str）。下面就是一個簡單的下載器，其中只有一個簡單的函數download()：

'''
-----------------------------------------------------------------
HtmlDownloader
'''
class HtmlDownloader(object):
    def download(self, url):
        print "start download"
        if url is None:
            return None
            print "url is None"
        user_agent = 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.108 Safari/537.36'
        headers = {'User-Agent':user_agent}
        print "start requests"
        r = requests.get(url, headers=headers)
        #判斷響應狀態
        if r.status_code == 200:
            r.encoding = 'utf-8'
            print "該頁面下載成功！{}".format(url)
            return r.text
        else:
            print "該頁面下載失敗！{}".format(url)
        return None

在requests請求中設置User-Agent的目的是偽裝成瀏覽器，這是一只優秀的爬蟲應該有的覺悟。

感謝各位的閱讀！關于python爬蟲中如何使用url下載器就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！