鱼C论坛

 找回密码
 立即注册
查看: 641|回复: 2

为什么加上add_header就不行了

[复制链接]
发表于 2018-7-1 22:27:17 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
from bs4 import BeautifulSoup
import urllib.request
import re

def get_html(url):
    rep = urllib.request.Request(url)
    #rep.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; …) Gecko/20100101 Firefox/61.0')
    html = urllib.request.urlopen(rep).read().decode('utf-8')
    return html

url = 'https://baike.baidu.com/item/%E7%BD%91%E7%BB%9C%E7%88%AC%E8%99%AB'
html = get_html(url)
s = BeautifulSoup(html,'lxml')
link = s.find_all('a',href = re.compile('/item'))
count = 0
for i in link[:3]:
    l = get_html('https://baike.baidu.com' + i['href'])
    with open('%d.txt'%count,'w',encoding = 'utf-8') as f:
        f.write(l)
    count += 1

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2018-7-1 22:40:53 | 显示全部楼层
本帖最后由 ba21 于 2018-7-1 22:52 编辑

我敢保证,rep.add_header('User-Agent','Mozilla/5.0 (Windows NT 10.0; …) Gecko/20100101 Firefox/61.0')这里面有   中文字符   自己慢慢找,琢磨吧
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2024-7-7 08:53

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表