python爬虫代码示例的方法：首先获取浏览器信息，并使用urlencode生成post数据；然后安装pymysql，并存储数据到MySQL即可。
python爬虫代码示例的方法：
1、urllib和BeautifuSoup
获取浏览器信息
from urllib import request
req = request.urlopen("http://www.baidu.com")
print(req.read().decode("utf-8"))模拟真实浏览器：携带user-Agent头
立即学习“Python免费学习笔记（深入）”；
(目的是不让服务器认为是爬虫，若不带此浏览器信息，则可能会报错)
req = request.Request(url) #此处url为某个网址
req.add_header(key,value) #key即user-Agent，value即浏览器的版本信息
resp = request.urlopen(req)
print(resp.read().decode("utf-8"))相关学习推荐：python视频教程
使用POST
导入urllib库下面的parse
from urllib import parse
使用urlencode生成post数据
postData = parse.urlencode([
(key1,val1),
(key2,val2),
(keyn,valn)
])使用post
《PHP设计模式指南》中文版
下载
《PHP设计模式》首先介绍了设计模式，讲述了设计模式的使用及重要性，并且详细说明了应用设计模式的场合。接下来，本书通过代码示例介绍了许多设计模式。最后，本书通过全面深入的案例分析说明了如何使用设计模式来计划新的应用程序，如何采用PHP语言编写这些模式，以及如何使用书中介绍的设计模式修正和重构已有的代码块。作者采用专业的、便于使用的格式来介绍相关的概念，自学成才的编程人员与经过更多正规培训的编程人员
request.urlopen(req,data=postData.encode("utf-8")) #使用postData发送post请求
resp.status #得到请求状态
resp.reason #得到服务器的类型完整代码示例（以爬取维基百科首页链接为例）
#-*- coding:utf-8 -*-
from bs4 import BeautifulSoup as bs
from urllib.request import urlopen
import re
import ssl
#获取维基百科词条信息
ssl._create_default_https_context = ssl._create_unverified_context #全局取消证书验证
#请求URL，并把结果用utf-8编码
req = urlopen("https://en.wikipedia.org/wiki/Main page").read().decode("utf-8")
#使用beautifulsoup去解析
soup = bs(req,"html.parser")
# print(soup)
#获取所有href属性以“/wiki/Special”开头的a标签
urllist = soup.findAll("a",href=re.compile("^/wiki/Special"))
for url in urllist:
#去除以.jpg或.JPG结尾的链接
if not re.search("\.(jpg|JPG)$",url["href"]):
#get_test()输出标签下的所有内容，包括子标签的内容；
#string只输出一个内容，若该标签有子标签则输出“none
print(url.get_text()+"----->"+url["href"])
# print(url)2、存储数据到MySQL
安装pymysql
通过pip安装：
$ pip install pymysql
或者通过安装文件：
$ python setup.py install
使用
#引入开发包 import pymysql.cursors #获取数据库链接 connection = pymysql.connect(host="localhost", user = 'root', password = '123456', db ='wikiurl', charset = 'utf8mb4') try: #获取会话指针 with connection.cursor() as cursor #创建sql语句 sql = "insert into `tableName`(`urlname`,`urlhref`) values(%s,%s)" #执行SQL语句 cursor.execute(sql,(url.get_text(),"https://en.wikipedia.org"+url["href"])) #提交 connection.commit() finally: #关闭 connection.close()
3、爬虫注意事项
Robots协议（机器人协议，也称爬虫协议）全称是“网络爬虫排除协议”，网站通过Robots协议告诉搜索引擎哪些页面可以抓取，哪些页面不可以抓取。一般在主页面下，如https://en.wikipedia.org/robots.txt
Disallow：不允许访问 allow：允许访问
相关推荐：编程视频课程
