爬虫与Python：（三）基本库的使用——扩展:requests爬取阳光电影网源码

要求

本例主要希望读者联系requests的使用，试着用它请求阳光电影网的首页获取页面源码，并在控制台打印出来，请求地址为：http://www.scyky.com/，需要实现的目标如下：

（1）构造一个访问阳光电影网的请求（url , headers）。

（2）输出请求状态码。

（3）输出请求的源码。

（4）将源码打印到控制台。

实现思路

输入网址http://www.scyky.com/，进入阳光电影网首页。
寻找header信息。按【F12】键进入调试模式，切换到【Network】选项卡，选择一个请求的header，并复制相关信息。
分析页面源码，获取编码方式。在网页中右击，在弹出的快捷键菜单中选择【查看网页源码】选项进入源码页面。可以发现，charset是utf-8。
依据获取的信息进行requests编码。

请求源码

 1 import requests
 2 
 3 url = \'http://www.scyky.com/\'
 4 # 设置请求头
 5 headers = {
 6     \'Accept\':\'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8\',
 7     \'Accept-Encoding\':\'gzip, deflate\',
 8     \'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\',
 9     \'Cache-Control\':\'max-age=0\',
10     \'Connection\':\'keep-alive\',
11     \'Cookie\':\'Hm_lvt_e9ddc99418411f9404610f615b91afa5=1634628491,1634628641; Hm_lpvt_e9ddc99418411f9404610f615b91afa5=1634628657; __gads=ID=9c53e50da4011ca3-2203967fb2cc00d6:T=1634628491:RT=1634628491:S=ALNI_MZHlYFvVNl5KojGNMC7Mucdw5TIrg\',
12      \'Host\':\'www.scyky.com\',
13     \'Upgrade-Insecure-Requests\':\'1\',
14     \'User-Agent\':\'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:93.0) Gecko/20100101 Firefox/93.0\'
15 }
16 # 定义一个request对象
17 req = requests.get(url,headers=headers)
18 # 获取状态码
19 print(req.status_code)
20 # 指定网页的编码方式
21 req.encoding = \'utf-8\'
22 # 获取网页源码，将req.content返回的文本赋值给html变量，然后打印到控制台
23 html = req.content
24 print(html)