爬虫 简单使用

361次阅读
没有评论
爬虫

一、常识

import requests # 模块作用:伪造浏览器请求 response = requests.get(访问的url) from bs4 import BeautifulSoup # 将html的内容解析成对象 bs4 = BeautifulSoup(response.text, html.parser) # 查找的方法 bs4.find(name=标签名, attrs={属性名:‘属性值’}) # find_all查找全部 # 获取内容 # content 原始内容 用于获取bytes数据类型(图片、视频) # text 获取

二、示例

import requests from bs4 import BeautifulSoup import os # path = os.path.join(os.getcwd(), img) # 1.伪造浏览器请求 response = requests.get(……) response.encoding = gbk # 2.获取网页的html文件 # print(response.text) # 3.使用bs4将html文件解析成对象 bs4 = BeautifulSoup(response.text, html.parser) # print(bs4) div = bs4.find(name=div, attrs={id: auto-channel-lazyload-article}) # print(div) li_list = div.find_all(name=li) for li in li_list: print(=*120) # print(li) h3 = li.find(name=h3) if not h3: continue print(h3.text) a = li.find(name=a) href = a.get(href) print(https:{}.format(href)) img = li.find(name=img) src = img.get(src) src = https:{}.format(src) print(src) file_name = src.rsplit(/, maxsplit=1)[1] # print(file_name) file_path = os.path.join(path, file_name) # print(file_path) # src是地址,重新伪造get请求 ret = requests.get(src) # content是获取原始的数据 # print(ret.content) # 保存图片 with open(file_path, wb) as f: f.write(ret.content)

 

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2022-11-01发表,共计1092字。
新手QQ群:570568346,欢迎进群讨论 Python51学习