爬取知乎轮子哥关注的人
首先,打开知乎找到轮子哥关注的人的页面,单击鼠标右键,查看元素,
发现第一个状态码为200,点击进去看到
好像并没有我们想要的数据,所以继续往下找状态码为200的,于是我们找到了,如果请求它会给我返回一个json类型的数据
点开发现
对照上面的确实轮子哥关注了一个叫余归的人,所以这次找对了,点击消息头,找到如何请求它
找到了URL,但是在程序中请求时还需要headers,所以点击"编辑和重发",找到了它的请求头
做好了一切准备工作后可以动手写程序了
第一行,导入requests模块,这是Python第三模块需要自己安装,导入urllib模块的error方法
第二行,将找到的URL赋值给url这个变量
第三行,将找到的headers以键值对的方式封装到字典里,并找个名为header的变量存储它
第四段,利用requests模块里的get方法,给服务器发送一个请求,服务器会根据这个请求返回一个东西,它返回的正是上面所提到的json数据,这个可以根据浏览器中的类型来判断 ,为了代码的健壮性给它加上捕捉error的功能
第五段利用json方法解析所返回的json数据,解析完成后会返回一个字典形式的数据,把它保存为jn
通过遍历字典中的data->name找到这一页面轮子哥关注的人
用同样的方法还可以爬取一个人的关注者,两者共同关注的人等。
但是我爬取时并不是一帆风顺的,开始时为了我并没有在header中传入cookies会出现
打印一下response
100——客户必须继续发出请求
101——客户要求服务器根据请求转换HTTP协议版本
200——交易成功
201——提示知道新文件的URL
202——接受和处理、但处理未完成
203——返回信息不确定或不完整
204——请求收到,但返回信息为空
205——服务器完成了请求,用户代理必须复位当前已经浏览过的文件
206——服务器已经完成了部分用户的GET请求
300——请求的资源可在多处得到
301——删除请求数据
302——在其他地址发现了请求数据
303——建议客户访问其他URL或访问方式
304——客户端已经执行了GET,但文件未变化
305——请求的资源必须从服务器指定的地址得到
306——前一版本HTTP中使用的代码,现行版本中不再使用
307——申明请求的资源临时性删除
400——错误请求,如语法错误
401——请求授权失败
402——保留有效ChargeTo头响应
403——请求不允许
404——没有发现文件、查询或URl
405——用户在Request-Line字段定义的方法不允许
406——根据用户发送的Accept拖,请求资源不可访问
407——类似401,用户必须首先在代理服务器上得到授权
408——客户端没有在用户指定的饿时间内完成请求
409——对当前资源状态,请求不能完成
410——服务器上不再有此资源且无进一步的参考地址
411——服务器拒绝用户定义的Content-Length属性请求
412——一个或多个请求头字段在当前请求中错误
413——请求的资源大于服务器允许的大小
414——请求的资源URL长于服务器允许的长度
415——请求资源不支持请求项目格式
416——请求中包含Range请求头字段,在当前请求资源范围内没有range指示值,请求也不包含If-Range请求头字段
417——服务器不满足请求Expect头字段指定的期望值,如果是代理服务器,可能是下一级服务器不能满足请求
500——服务器产生内部错误
501——服务器不支持请求的函数
502——服务器暂时不可用,有时是为了防止发生系统过载
503——服务器过载或暂停维修
504——关口过载,服务器使用另一个关口或服务来响应用户,等待时间设定值较长
505——服务器不支持或拒绝支请求头中指定的HTTP版本
请求授权失败,经过查博客,发现这个必须要传入cookies才可以。