在現(xiàn)在這個(gè)信息爆炸的時(shí)代，要想高效的獲取數(shù)據(jù)，爬蟲是非常好用的。而用python做爬蟲也十分簡(jiǎn)單方便，下面通過一個(gè)簡(jiǎn)單的小爬蟲程序來看一看寫爬蟲的基本過程：

準(zhǔn)備工作

語(yǔ)言：python

IDE：pycharm

首先是要用到的庫(kù)，因?yàn)槭莿側(cè)腴T最簡(jiǎn)單的程序，我們主要就用到下面這兩：

import requests //用于請(qǐng)求網(wǎng)頁(yè)import re  //正則表達(dá)式，用于解析篩選網(wǎng)頁(yè)中的信息

其中re是python自帶的，requests庫(kù)需要我們自己安裝，在命令行中輸入pip install requests即可。

然后隨便找一個(gè)網(wǎng)站，注意不要嘗試爬取隱私敏感信息，這里找了個(gè)表情包網(wǎng)站：

注：此處表情包網(wǎng)站中的內(nèi)容本來就可以免費(fèi)下載，所以爬蟲只是簡(jiǎn)化了我們一個(gè)個(gè)點(diǎn)的流程，注意不能去爬取付費(fèi)資源。

我們要做的就是通過爬蟲把這些表情包下載到我們電腦里。

編寫爬蟲程序

首先肯定要通過python訪問這個(gè)網(wǎng)站，代碼如下：

headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq./zjbq/',headers=headers)  //請(qǐng)求網(wǎng)頁(yè)

其中之所以要加headers這一段是因?yàn)橛行┚W(wǎng)頁(yè)會(huì)識(shí)別到你是通過python請(qǐng)求的然后把你拒絕，所以我們要換個(gè)正常的請(qǐng)求頭。可以隨便找一個(gè)或者f12從網(wǎng)絡(luò)信息里復(fù)制一個(gè)。

然后我們要找到我們要爬取的圖片在網(wǎng)頁(yè)代碼里的位置，f12查看源代碼，找到表情包如下：

然后建立匹配規(guī)則，用正則表達(dá)式把中間那串替換掉，最簡(jiǎn)單的就是.*?

t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'

像這樣。

然后就可以調(diào)用re庫(kù)里的findall方法把相關(guān)內(nèi)容爬下來了：

result = re.findall(t, response.text)

返回的內(nèi)容是由字符串組成的列表，最后我們經(jīng)由爬到的地址通過python語(yǔ)句把圖片下下來保存到文件夾里就行了。

程序代碼

import requests
import re
import os
 image = '表情包'if not os.path.exists(image):    os.mkdir(image)
headers = {    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:98.0) Gecko/20100101 Firefox/98.0'
    }
response = requests.get('https://qq./zjbq/',headers=headers)
response.encoding = 'GBK'response.encoding = 'utf-8'print(response.request.headers)print(response.status_code)
t = '<img src="(.*?)" alt="(.*?)" width="160" height="120">'result = re.findall(t, response.text)for img in result:    print(img)
    res = requests.get(img[0])    print(res.status_code)
    s = img[0].split('.')[-1]  #截取圖片后綴，得到表情包格式，如jpg ，gif
    with open(image + '/' + img[1] + '.' + s, mode='wb') as file:
        file.write(res.content)

最后結(jié)果就是這個(gè)樣子：