python如何实现网络爬虫

python实现网络爬虫的方法：1、使用request库中的get方法，请求url的网页内容；2、【find()】和【find_all()】方法可以遍历这个html文件，提取指定信息。

python实现网络爬虫的方法：

第一步：爬取

使用request库中的get方法，请求url的网页内容

编写代码

[root@localhost demo]# touch demo.py[root@localhost demo]# vim demo.py

#web爬虫学习 -- 分析#获取页面信息 #输入：url#处理：request库函数获取页面信息，并将网页内容转换成为人能看懂的编码格式#输出：爬取到的内容 import requests def getHTMLText(url):    try:        r = requests.get( url, timeout=30 )        r.raise_for_status()    #如果状态码不是200，产生异常        r.encoding = 'utf-8'    #字符编码格式改成 utf-8        return r.text    except:        #异常处理        return " error " url = "http://www.baidu.com"print( getHTMLText(url) )

[root@localhost demo]# python3 demo.py

第二步：分析

使用bs4库中BeautifulSoup类，生成一个对象。find()和find_all()方法可以遍历这个html文件，提取指定信息。

编写代码

[root@localhost demo]# touch demo1.py[root@localhost demo]# vim demo1.py#web爬虫学习 -- 分析#获取页面信息 #输入：url#处理：request库获取页面信息，并从爬取到的内容中提取关键信息#输出：打印输出提取到的关键信息 import requestsfrom bs4 import BeautifulSoupimport re def getHTMLText(url):    try:        r = requests.get( url, timeout=30 )        r.raise_for_status()    #如果状态码不是200，产生异常        r.encoding = 'utf-8'    #字符编码格式改成 utf-8        return r.text    except:        #异常处理        return " error " def findHTMLText(text):    soup = BeautifulSoup( text, "html.parser" )    #返回BeautifulSoup对象    return soup.find_all(string=re.compile( '百度' )) #结合正则表达式，实现字符串片段匹配 url = "http://www.baidu.com"text = getHTMLText(url)        #获取html文本内容res = findHTMLText(text)    #匹配结果 print(res)        #打印输出

[root@localhost demo]# python3 demo1.py

相关文章：

你感兴趣的文章：

标签云：