Python之简单爬取网页内容

391次阅读
没有评论

爬去网页通用流程

这样看着虽然很麻烦,但是爬取网页都离不开这四个步骤,以后如果爬取更复杂的网页内容,只需要在这个基础上添加内容就ok了。

import requests class Qiushi: # 初始化函数 def __init__(self,name): self.name = name self.url_base = 'https://www.qiushibaike.com/8hr/page/{}/' self.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:64.0) Gecko/20100101 Firefox/64.0'}

def make_url(self): """ 生成下载连接列表 :return: """ #爬取糗事百科的前十页 return [self.url_base.format(i) for i in range(1,11)] def download(self,url_str): """ 通过requests.get()方法下载指定页面,获得页面结果 :param url_str: :return: """ result = requests.get(url_str,headers=self.headers) return result.content def save_content(self,html_content,page_num): """ 以html 形式存储下载内容 :param html_content: :param page_num: :return: """ # 先创建download文件夹,然后把爬取的内容存储在download文件里 file_name = './download/'+'{}–第{}页.html'.format(self.name,page_num) with open(file_name,'wb') as fb: fb.write(html_content) def run(self): """ 下载主线程,实现主要逻辑 :return: """ # 获取到所有的链接 url_lists = self.make_url() for url in url_lists: html_content = self.download(url) # 获取到对应页数 page_num = url_lists.index(url)+1 self.save_content(html_content,page_num) if __name__=='__main__': qiushi= Qiushi('糗事百科') qiushi.run()

爬取成功后的结果
Python之简单爬取网页内容

神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试

相关文章:

版权声明:Python教程2022-10-27发表,共计1149字。
新手QQ群:570568346,欢迎进群讨论 Python51学习