0542.md

Error in user YAML: (<unknown>): found a tab character that violate indentation while scanning a plain scalar at line 3 column 3

---
- oeasy Python 0542
- 这是 oeasy 系统化 Python 教程，从基础一步步讲，扎实、完整、不跳步。愿意花时间学，就能真正学会。
- 本教程同步发布在： 
	- 个人网站： `https://oeasy.org` 
	- 蓝桥云课： `https://www.lanqiao.cn/courses/3584` 
	- GitHub： `https://github.com/overmind1980/oeasy-python-tutorial` 
	- Gitee： `https://gitee.com/overmind1980/oeasypython` 
---

爬取百度

回忆

• 上次爬了 baidu.com
  • 找到了三组链接
  • 然后分别遍历
• 但是 headers 生成的方法有点麻烦
• 有更快的生成headers的方法吗？

复制header

firefox https://baidu.com &

• 复制 找到的请求头

• 可以 直接把所有的header
  • 复制到剪贴板中
• 为什么要复制这些headers呢?

headers

• 因为有些地方访问比较严格

  • 除了Use-Agent
  • 还要求其他的header
  • 否则不给看

• 这就需要更彻底地模仿浏览器

  • 需要把这个请求头做成字典

• 还有什么更快更好的办法吗?

curl命令

• 复制curl命令

执行

• 执行结果

curlconverter

• www.curlconverter.com

• 可以直接构造headers和cookie

程序直接构造

• 也可以用uncurl 命令 获得相应的py程序
• 感觉这还是不太本质可以自己根据curl命令获得headers吗？

问题分析

• curl 命令本质上是个字符串

• 最终需要构成的headers是一个字典

尝试写程序

• 可以将curl命令粘贴到三引号之内

curl = """curl 'https://www.baidu.com/' --compressed -H 'User-Agent: Mozilla/5.0 (Macintosh; Intel ..."""
l = curl.split(" -H ")
headers = dict()
for item in l[1:]:
    index = item.index(": ")
    key = item[1:index]
    value = item[index+2:-1]
    headers[key] = value
    headers.setdefault(key,value)
url = l[0].replace("curl '","").replace("' --compressed",'')
print("import requests")
print("from lxml import etree")
print("headers = {")
for header in headers:
    print("\t'" + header + "': '" + headers[header] + "',")
print("}")
print("response = requests.get('"+url+"',headers=headers)")

• 输出结果最终输出重定向即为目标程序

总结

• 这次复制了 curl命令
  • 可以用网站 curlconverter.com
  • 也可以用 uncurl命令
  • 将curl命令转化为 py程序

• 百度这种搜索引擎是怎么形成的呢？🤔
• 下次再说

---

• 本文来自 oeasy Python 系统教程。
• 想完整、扎实学 Python，
• 搜索 oeasy 即可。