python爬虫爬取网页内容

797次阅读
没有评论
python爬虫爬取网页内容

1.导入requests、BeautifulSoup库。

一、

import requests

r=requests.get("http://www.baidu.com")#使用get函数打开百度

print(r) #返回状态

r.encoding='utf-8'#中文字符可以输出

print(r.text)

二、
import requests
from bs4 import BeautifulSoup
r=requests.get("http://www.baidu.com")
print(r)  #返回状态 
r.encoding="utf-8"
soup=BeautifulSoup(r.text) #soup是beautifulsoup的一个对象
type(soup)

2.将需要爬取网页的网址复制粘贴。

3.从网络上获取网页内容(爬取过程中加上头信息),

    假如有反爬虫机制,则需要用header进行伪装   (如何寻找header:1.网页、右键、查看源代码

                                        2.网页、右键、network、名称、标头)

4.分析网页结构,从中抓取需要内容:1.定义函数

                                                             2.找到所有tr标签

                                                             3.在每个tr标签中找td标签

                                                             4.获得td标签的信息

      对内容进行筛选,去除无关内容。

5.利用数据结构展示或进一步处理数据,使数据展示更清晰明了。

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667字。
新手QQ群:570568346,欢迎进群讨论 Python51学习