python爬虫相关学习

import requests
import re #正则表达式模块
url = 'https://api.bilibili.com/x/v1/dm/list.so?oid=460329133'
#1 发送请求

#请求方式的注意是get或者post

#还有参数
#headers请求头作用是吧python代码进行伪装模拟成浏览器去发送请求一般只要一个user-agent就行了
#ua内涵浏览器基本属性
headers={
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.93 Safari/537.36'
}
#通过requests模块里面的get的请求方法对url进行访问


#2 获取数据
response=requests.get(url=url,headers=headers)
response.encoding=response.apparent_encoding  #自动识别代码去除乱码
#print(response)
#返回结果：<Response [200]> ，200状态表示请求成功
#如果想要网页源代码加上.text
#print(response.text)  测试对象


#3 解析数据，提取想要的数据内容，弹幕数据
#正则表达式，直接对于字符串数据进行获取，css,xpath主要根据标签属性、节点进行提取
datalist=re.findall('<d p=".*?">(.*?)</d>',response.text)
#加（）是获取对象，不加括号就是单纯的匹配比对，.*?通配符
#print(datalist)
for index in datalist:
    with open('弹幕.txt', mode='a', encoding='utf-8') as f:
        f.write(index)
        f.write('\n')
    print(index) #遍历datalist进行提取每一个元素
#4 保存数据，把获取下来的数据内容保存为txt文本

这部分仅仅是部分弹幕的爬取，是b站提供的接口里面爬取的弹幕，实时弹幕还是需要按照时间具体爬取

标签：headers,python,爬虫,学习,datalist,url,print,弹幕,response
来源： https://www.cnblogs.com/520520520zl/p/15759809.html