簡單的爬蟲,爬取整個頁面,修改程式碼中的url可爬取指定網站。
import urllib.request # 匯入包
def getHtml(url): # 獲取html的內容
html = urllib.request.urlopen(url).read() # bytes 如果不用read()html會是一個↓
return html # http.client.HTTPResponse的變數
def saveHtml(fileName, fileContent):
with open(fileName, "wb") as f: # 以wb開啟檔案
f.write(fileContent) # 寫入
def main():
url = "https://www.zhihuishu.com/" # url
html = getHtml(url) # 呼叫函數獲取bytes
saveHtml("theHtml.html", html) # 儲存
print("儲存網頁完成") # 提示語
if __name__ == "__main__": # 主函數
main()
遺留問題:有不少網站有反爬蟲機制,導致爬到的檔案並非是想要的檔案。