入门数据采集，python爬虫常见的数据采集与保存、

本文介绍两种方式来实现python爬虫获取数据，并将python获取的数据保存到文件中。
一、第一种方式：
主要通过爬取百度官网页面数据，将数据保存到文件baidu.html中，程序运行完打开文件baidu.html查看效果。具体代码中有详细的代码解释，相信刚入门的你也能看懂~~
说明一下我的代码环境是python3.7，本地环境是python2.x的可能需要改部分代码，用python3.x环境的没问题。
代码如下：

# -*- coding: utf-8 -*-
import urllib.request
import urllib
 
# 1网址url  --百度    
url = 'http://www.baidu.com'
 
# 2创建request请求对象
request = urllib.request.Request(url)

#3 发送请求获取结果
response = urllib.request.urlopen(request)
htmldata = response.read()

# 4、设置编码方式
htmldata = htmldata.decode('utf-8')
 
# 5、打印结果
print (htmldata)
 
# 6、打印爬去网页的各类信息
print ("response的类型:",type(response))
print ("请求的url:",response.geturl())
print ("响应的信息:",response.info())
print ("状态码:",response.getcode())
 
# 7、爬取数据保存到文件
fileOb = open('baidu.html','w',encoding='utf-8')     #打开一个文件，没有就新建一个
fileOb.write(htmldata)
fileOb.close()

在open()方法中如果没有设置编码encoding='utf-8'，会报错，原因如下：
在windows下面，新文件的默认编码是gbk，这样的话，python解释器会用gbk编码去解析我们的网络数据流html，
然而html此时已经是decode过的unicode编码，这样的话就会导致解析不了，出现上述问题。
设置encoding='utf-8'，打开文件时就按照utf-8格式编码，则顺利运行。
运行结果：
部分截图如下：截取的是第六步中的网页各类信息，第五步打印的数据过多，也已经保存到文件baidu.html中了，所以没有截取。

 

二、第二种方式：添加特殊情景的处理器

代码如下：

# -*- coding: utf-8 -*-
import urllib.request, http.cookiejar
 
# 1、网址url  --百度
url = 'http://www.baidu.com'
 
# 2、创建cookie容器
cj = http.cookiejar.CookieJar()
handle = urllib.request.HTTPCookieProcessor(cj)
 
# 3、创建1个opener
opener = urllib.request.build_opener(handle)

# 4、给urllib.request安装opener
urllib.request.install_opener(opener)
 
# 5、使用带有cookie的urllib.request访问网页,发送请求返回结果
response = urllib.request.urlopen(url)
htmldata = response.read()
 
# 6、设置编码方式
data = htmldata.decode("utf-8")
 
# 7、打印结果
print (data)
 
# 8、打印爬去网页的各类信息
print ("response的类型:",type(response))
print ("请求的url:",response.geturl())
print ("响应的信息:",response.info())
print ("状态码:",response.getcode())
 
# 9、爬取数据保存到文件
fileOb = open('baiduCookie.html','w',encoding='utf-8')     #打开一个文件，没有就新建一个
fileOb.write(data)
fileOb.close()