一、环境配置
1.下载安装python3
为什么使用pyhton3，理由如下：
python2以上只维护到2020年，我猜，感觉快要过气了。
没有恶心的编码问题，并且更多工具选择pyhton3，新的工具才是生产力。
本文都用python3来写。如果你是pyhton2，尝试一下pyhton3，相信你会有不一样的体验。
注意选择适合自己电脑的版本。
2.安装requests和lxml。
为啥用pip，因为我们在安装python3的时候，选择了同时安装pip等一系列的包，不像pyhton2，还要一个一个去安装。
pip install requests
pip install lxml
由于我这里已经安装过了，所以显示已经有了。安装的时候请耐心等待哦。
3.安装eclipse或者其他你喜欢的编辑器。
如果有人恰好跟我一样使用eclipse，那注意配置一下python路径。
windows——>preferences——>General——>Pydev——>Pyhton Interpreter
这里首选python3.6哦。
二、轻松爬取百度网页。
#-*- coding:utf-8 -*-
import requests url = ‘https://www.baidu.com/’
data = requests.get(url) data.encoding=’utf-8′
print(data.text)
输出结果：
<!DOCTYPE html><!–STATUS OK–>
<html> <head>
<meta http-equiv=content-type content=text/html;charset=utf-8>
<meta http-equiv=X-UA-Compatible content=IE=Edge>
<meta content=always name=referrer>
<link rel=stylesheet type=text/css href=https://ss1.bdstatic.com/5eN1bjq8AAUYm2zgoY3K/r/www/cache/bdorz/baidu.min.css>
<title>百度一下，你就知道</title>
</head> <body link=#0000cc> <div id=wrapper> <div id=head> <div class=”head_wrapper”> <div class=”s_form”> <div class=”s_form_wrapper”> <div id=lg> <img hidefocus=true src=//www.baidu.com/img/bd_logo1.png width=270 height=129> </div> <form id=form name=f action=//www.baidu.com/s class=”fm”> <input type=hidden name=bdorz_come value=1> <input type=hidden name=ie value=utf-8> <input type=hidden name=f value=8> <input type=hidden name=rsv_bp value=1> <input type=hidden name=rsv_idx value=1> <input type=hidden name=tn value=baidu><span class=”bg s_ipt_wr”>
<input id=kw name=wd class=”s_ipt” value maxlength=255 autocomplete=off autofocus=autofocus></span><span class=”bg s_btn_wr”><input type=submit id=su value=百度一下 class=”bg s_btn” autofocus></span> </form> </div> </div> <div id=u1> <a href=http://news.baidu.com name=tj_trnews class=”mnav”>新闻</a> <a href=https://www.hao123.com name=tj_trhao123 class=”mnav”>hao123</a> <a href=http://map.baidu.com name=tj_trmap class=”mnav”>地图</a> <a href=http://v.baidu.com name=tj_trvideo class=”mnav”>视频</a> <a href=http://tieba.baidu.com name=tj_trtieba class=”mnav”>贴吧</a> <noscript> <a href=http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=http%3A%2F%2Fwww.baidu.com%2f%3fbdorz_come%3d1 name=tj_login class=”lb”>登录</a> </noscript> <script>document.write(‘<a href=”http://www.baidu.com/bdorz/login.gif?login&tpl=mn&u=’+%20encodeURIComponent(window.location.href+%20(window.location.search%20===%20″” ? “?” : “&”)+ “bdorz_come=1″)+ ‘” name=”tj_login” class=”lb”>登录</a>’); </script> <a href=//www.baidu.com/more/ name=tj_briicon class=”bri” style=”display: block;”>更多产品</a> </div> </div> </div> <div id=ftCon> <div id=ftConw> <p id=lh> <a href=http://home.baidu.com>关于百度</a> <a href=http://ir.baidu.com>About Baidu</a> </p> <p id=cp>©2017 Baidu <a href=http://www.baidu.com/duty/>使用百度前必读</a> <a href=http://jianyi.baidu.com/ class=”cp-feedback”>意见反馈</a> 京ICP证030173号 <img src=//www.baidu.com/img/gs.gif> </p> </div> </div> </div> </body> </html>
四行代码，我们就可以把百度首页的内容爬取下来：
1.导入requests库
2.下载百度首页内容
3.更改编码方式
4.打印内容
下一节，爬取豆瓣电影详情信息requests+xpath
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
