当前位置: > python爬虫 >

python3.0爬虫入门教程学习
栏目分类:python爬虫   发布日期:2019年02月12日 14:48:34   浏览次数:

         本文是Python3.0爬虫的入门教程,带大家了解Python爬虫的实践过程。本文以爬取简书网站首页文章的标题和文章链接为例,详情请看下面的代码:

python3.0 爬虫

from urllib import request
from bs4 import BeautifulSoup            

#Beautiful Soup是一个可以从HTML或XML文件中提取结构化数据的Python库
 url="http://www.jianshu.com" #构造头文件,模拟浏览器访问
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
page = request.Request(url,headers=headers)
page_info = request.urlopen(page).read().decode('utf-8')

#打开Url,获取HttpResponse返回对象并读取其ResposneBody

# 将获取到的内容转换成BeautifulSoup格式,并将html.parser作为解析器
soup = BeautifulSoup(page_info, 'html.parser')
# 以格式化的形式打印html

#print(soup.prettify())
titles = soup.find_all('a', 'title')# 查找所有a标签中class='title'的语句
'''

# 打印查找到的每一个a标签的string和文章链接
    for title in titles:
        print(title.string)
        print("http://www.jianshu.com" + title.get('href'))   
'''
 #open()是读写文件的函数,with语句会自动close()已打开文件
with open(r"D:\Python\test\articles.txt","w") as file:       #在磁盘以只写的方式打开/创建一个名为 articles 的txt文件
        for title in titles:
        file.write(title.string+'\n')
        file.write("http://www.jianshu.com" + title.get('href')+'\n\n')

结果如下:
python3.0 爬虫入学习

     上述例子可以通过urllib练习简单数据爬取的流程,但是只适用于一些简单的、数据量比较小的爬虫项目。但是作为一个入门小例子来说完全够用了。
 

相关热词:

上一篇:没有了
热门关键词
python字符串
     
python教程 python爬虫 python人工智能 Python+大数据 python问答