爬蟲與Python：（三）基本庫的使用——擴展:requests爬取陽光電影網源碼

要求

本例主要希望讀者聯系requests的使用，試着用它請求陽光電影網的首頁獲取頁面源碼，並在控制台打印出來，請求地址為：http://www.scyky.com/，需要實現的目標如下：

（1）構造一個訪問陽光電影網的請求（url , headers）。

（2）輸出請求狀態碼。

（3）輸出請求的源碼。

（4）將源碼打印到控制台。

實現思路

1. 輸入網址http://www.scyky.com/，進入陽光電影網首頁。
2. 尋找header信息。按【F12】鍵進入調試模式，切換到【Network】選項卡，選擇一個請求的header，並復制相關信息。
3. 分析頁面源碼，獲取編碼方式。在網頁中右擊，在彈出的快捷鍵菜單中選擇【查看網頁源碼】選項進入源碼頁面。可以發現，charset是utf-8。
4. 依據獲取的信息進行requests編碼。

請求源碼

import requests

url = 'http://www.scyky.com/'
# 設置請求頭
headers = {
    'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8',
    'Accept-Encoding':'gzip, deflate',
    'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
    'Cache-Control':'max-age=0',
    'Connection':'keep-alive',
    'Cookie':'Hm_lvt_e9ddc99418411f9404610f615b91afa5=1634628491,1634628641; Hm_lpvt_e9ddc99418411f9404610f615b91afa5=1634628657; __gads=ID=9c53e50da4011ca3-2203967fb2cc00d6:T=1634628491:RT=1634628491:S=ALNI_MZHlYFvVNl5KojGNMC7Mucdw5TIrg',
     'Host':'www.scyky.com',
    'Upgrade-Insecure-Requests':'1',
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:93.0) Gecko/20100101 Firefox/93.0'
}
# 定義一個request對象
req = requests.get(url,headers=headers)
# 獲取狀態碼
print(req.status_code)
# 指定網頁的編碼方式
req.encoding = 'utf-8'
# 獲取網頁源碼，將req.content返回的文本賦值給html變量，然后打印到控制台
html = req.content
print(html)