• python 爬虫(一) requests+BeautifulSoup 爬取简单网页代码示例


    以前搞偷偷摸摸的事,不对,是搞爬虫都是用urllib,不过真的是很麻烦,下面就使用requests + BeautifulSoup 爬爬简单的网页。

    详细介绍都在代码中注释了,大家可以参阅。

    # -*- coding: utf-8 -*-
    """
    Created on Thu Jul  5 20:48:25 2018
    @author: brave-man
    blog: http://www.cnblogs.com/zrmw/
    python3 + anaconda(Spyder) + resquests + BeautifulSoup
    这里环境用的就是昨天讲的 anaconda 下的 Spyder,非常方便,谁用谁知道
    """
    
    import requests
    from bs4 import BeautifulSoup
    # from termcolor import colored
    
    # 控制台输出文本颜色控制,网络不太好,没有安装termcolor,不过在公司测试过,函数传参应该没有问题
    # print(colored("abc", "red"))
    
    # 通过requests库中的get方法获取整个响应页面,存放在res中
    res = requests.get("https://www.cnblogs.com/zdong0103/p/8492779.html")
    # (1) res.encoding = "utf-8"
    soup = BeautifulSoup(res.text, "html.parser")
    # 这时候如果打印的soup的话,会在控制台中输出整个响应页面的源代码
    # print(soup)
    # 如果打印的是乱码,则可以在 (1) 处添加 (1) 所示代码,设置编码格式,不过有时候是不需要的。
    
    # 接下来对网页的源码进行剖析
    """ 
    
    在网页中按 F12 查看网页源代码,文章标题在 class = "block_title" 里面,
    soup.select(".block_title") 获取的是一个列表,获取此列表的第一个元素,
    所以 index = 0 , 从标签中获取文本一般使用 text 方法即可
    同上,正文在 class = "blogpost-body"
    ...
    
    """
    title = soup.select(".block_title")[0].text
    texts = soup.select(".blogpost-body")[0].text
    time = soup.select(".itemdesc span")[0].text
    author = soup.select("#header")[0].text
    
    print(title, author, time, texts)

    发现自己表述能力真的是渣啊,慢慢提高吧。

  • 相关阅读:
    Sort函数的用法
    hdu 1087 Super Jumping! Jumping! Jumping!(最大上升子序列和)
    hdu 1159 Common Subsequence(LCS)
    最长公共子序列
    蓝桥杯 -- 取字母
    蓝桥杯 -- 串的处理
    蓝桥杯 -- 奇怪的比赛
    蓝桥杯 -- 微生物繁殖
    hdu 1159 Common Subsequence(最长公共子序列)
    hdu 2458 Kindergarten
  • 原文地址:https://www.cnblogs.com/zrmw/p/9270898.html
Copyright © 2020-2023  润新知