Python requests发起GET请求教程：最简单的网页抓取入门

用Python requests库发起第一个GET请求，获取网页HTML源码，讲解status_code、text、encoding等核心用法，适合零基础入门网页抓取。

场景痛点

工作中经常需要从固定网页上复制一段数据、下载一段接口返回。手动打开浏览器、复制粘贴、再整理成表格，一次两次还能忍，一天重复几十次就是纯体力活。用Python的requests库，三行代码就能把网页源码拉到本地，后续想怎么解析都行，是自动化抓取的第一步。

用到的库

pip install requests beautifulsoup4 lxml

完整代码

# 导入requests库
import requests

def fetch_html(url):
"""发起GET请求，返回网页HTML文本"""
# 发起GET请求，设置超时时间，避免一直卡住
resp = requests.get(url, timeout=10)

# 检查HTTP状态码，200表示成功
print("状态码：", resp.status_code)

# 手动设置编码，防止中文乱码
resp.encoding = resp.apparent_encoding

# 打印响应头和内容长度
print("响应类型：", resp.headers.get("Content-Type"))
print("内容长度：", len(resp.text), "字符")

# 返回网页源码
return resp.text

def main():
# 目标网址（这里用示例网址做演示）
url = "https://example.com"

try:
html = fetch_html(url)
# 打印前500个字符，看看抓到了什么
print("=" * 40)
print(html[:500])

# 保存到本地文件，方便后续分析
with open("page.html", "w", encoding="utf-8") as f:
f.write(html)
print("已保存到 page.html")

except requests.exceptions.Timeout:
print("请求超时，请检查网络")
except requests.exceptions.ConnectionError:
print("连接失败，网址可能不可达")
except Exception as e:
print("发生错误：", e)

if __name__ == "__main__":
main()

代码讲解

requests.get(url) 是最核心的一行，它会向服务器发起一次HTTP GET请求，返回一个Response对象。
resp.status_code 是HTTP状态码，200表示成功，404表示页面不存在，500表示服务器出错，写抓取脚本时一定要先判断它。
resp.text 是响应体的字符串形式，也就是网页HTML源码；resp.apparent_encoding 是requests自动猜测的编码，赋给 resp.encoding 可以解决中文乱码。
timeout=10 必须设置，否则网络卡住时程序会无限等待。
用 try...except 捕获超时和连接错误，脚本才不会一崩到底。